AI短剧，为何共用一张脸？

在短剧平台上，你可能会发现一个有趣的现象：多部AI短剧的主角，似乎共享着同一张脸。凌厉的下颌线、薄嘴唇、下压的眼神，或是鹅蛋脸、大眼睛、透光的皮肤——这些高频出现的五官模板，让观众时常恍惚：“刚才那个冷脸总裁，是不是就是上一部被赶出侯府的将军？” 网络上，“AI脸 生理性厌恶”一度冲上微博热搜，引发广泛讨论。按理说，AI模型拥有海量数据，可以生成无数张面孔，为何偏偏让主角们如此相似？下面将从技术、成本和行业逻辑等多个角度，揭开AI短剧“撞脸”背后的秘密。

多部AI剧女主长着相似的脸 来源：短剧平台

一张“默认脸”从何而来？

要理解AI短剧的面孔趋同，首先得知道这些脸是如何生成的。AI生乘人物主要有两种方式：一种是输入提示词，由大模型自动生成；另一种是提供真人图片参考，让模型进行调整。

1. 文生图大模型的“默认值”

AI导演莫争介绍，在文生图模型中，如果用户只输入“一个美女在咖啡厅喝咖啡”，而没有上传任何参考图片，模型就大概率会输出一张标准美女图像——大眼睛、高鼻梁、尖下巴、皮肤白皙。这是因为模型在训练时设定了标准参数（例如“亚洲美女”对应的常见特征），且不付费的模型往往会“偷懒”，直接生成训练数据中最常见的那张脸。

男性角色也是如此。莫争观察到，不对角色做精细化设定时，AI生成的亚洲男性常神似韩国男演员——方脸、蒙古人种特征明显。他推测，这是因为主流AI视频模型大量“蒸馏”了韩国电影，训练数据集中韩式审美占比较高，导致人物自然带有韩式烙印。

多部AI剧男主也长着相似的脸 来源：短剧平台

“半像半不像，文艺片里经常出现很像金城武的脸。”莫争补充道。

2. 角色精细化设定是关键

要生成一张有辨识度的脸，团队需要先完成角色的多角度视图（正面、全身、侧身、背面等），以及角色图、场景图、道具图等资产图，再用这些素材锁定人物形象。同时，配合精细化的提示词，比如指定瞳孔颜色、脸上是否有痣或雀斑、发型样式、真人写实电影风格、真人皮肤质感等。一张资产图的合理制作时间约为5到10分钟，过程中需仔细检查各角度的一致性，防止出现“正面看辫子，侧面变两条”的细节错误。

3. 灰色养料与工业流程

加剧同质化的，还有模型的训练数据来源。业内人士揭露，许多AI短剧制作方直接从网络购买廉价或盗版素材包来训练模型。一个容纳了2万余部侵权短剧资源的素材包，售价仅0.85元。这些未授权的盗版资源、全网爬取的数据、用户“投喂”的侵权素材，构成了训练的重要基础。

算法与成本锁住了AI假面

当同一张面孔既演校园白月光，又演古装大小姐，再粘上胡子变成大叔，观众自然感到疲劳。行业数据监测平台DataEye-ADX数据显示，2026年5月，抖音原生端单月新增AI剧/漫剧约3.95万部，较4月的4.41万部下滑约10%，新剧播放量增速仅7%，明显放缓。“模板脸”正在加速消耗观众的耐心。那么，制作方为何还坚持使用这些高度相似的“AI脸”？

1. 时间与金钱成本的双重制约

制作一张差异化的脸，需要投入大量时间和资源。例如，莫争正在制作的奇幻动作电影《沙魔》中，使用付费模型ChatGPT的图片生成功能，一个月会员费99美元；用满血版的视频生成模型，15秒视频约花费15元，VIP通道甚至要20至30元。使用Seedance 2.5工具，30秒视频可能花费100元。相比之下，共用一张脸的AI短剧成本几乎可以忽略不计——使用免费工具如豆包，最后呈现的往往是模型认为最安全、最常用、最廉价且不易出错的版本。

时间成本： 制作一张资产图需要5-10分钟，并反复对比生成图片，检查一致性。人脸角度、发型、场景的细微错误（如辫子数量不一致）极为常见，需要大量修正。

金钱成本： 使用付费模型生成一段15秒视频需15-30元，而免费版本只能得到低质量的“默认脸”。

2. 商业与算法逻辑的路径依赖

北京华夏工联网智能技术研究院院长王喜文指出，复用成熟的模板脸可以省去人设开发成本。在技术算法层面，前代AI视频工具处理长镜头时，特色形象容易产生畸变，因此会优先选用容错率高的大众平均脸。流量层面，平台推荐机制偏爱成熟爆款人设，进一步强化了创作端的路径依赖。这套流程——使用爆款提示词生成标准美颜基底、锁定固定种子值确保五官一致、套用统一表情模板、跳过逐帧打磨、一次性整体渲染——规避了独特五官，只为“量产不出错”，批量产出的是毫无辨识度的统一数字面孔。

王喜文认为，同质化AI脸泛滥的根源，在于短剧行业“短平快”的变&现逻辑。制作方普遍追求极致压缩周期，拒绝在角色塑造上投入原创成本。

中国网络视听协会报告显示，2026年第一季度，全行业上线微短剧约12.8万部，其中AI微短剧约12.2万部，占比超过95%。2025年全年播出的微短剧为3.3万部——仅2026年前三个月，产量就接近去年的四倍。在如此庞大的数量面前，“撞脸”问题不仅影响观众体验，也折射出行业在技术和商业上的结构性困境。