AI仿真人剧集井喷：演技如何“数字生成”
AI仿真人剧集井喷：演技如何“数字生成”
2026年09月28日 07:09
近年来，AI技术深度融入影视创作，特别是在近期，纯AI技术制作的仿真人影视剧集迎来井喷期，也越来越为大众接受。
与过去相较，在克服恐怖谷效应、完善真人情感表达、摆脱套路表演等领域，相关制作技术如何跨过这些门槛？AI“真人”走向何方？
上午10点，长寿路景源时尚产业园一个位于6楼的办公室里，派晨（上海）智能科技有限公司的AI仿真人短剧生产组正紧锣密鼓工作，生成师面前的电脑屏幕上，公司自主开发的IPVISE AI创意平台依托多模态大语言模型，正将一个个真人形象及真实场景视图融合，生成5秒到15秒不等的视频片段。接下来，它们将被拼合为一部40—60集的短剧，最终在海外付费平台上线。这一业务开展3个月后，相关营收已经进入持平状态，由于已与头部播放平台签约深度合作，成本还将进一步下降，前景乐观。
AI仿真人短剧生产组工作现场。
年初以来，AI仿真人影视剧集迎来井喷期，也越来越为大众接受，更多企业投身于此。数据显示，2026年第一季度全国共发布AI剧超10万部，其中AI仿真人剧占比达58%，新剧贡献播放量占比92.88%。
从市场规模到用户覆盖，数字“真人”正加速从技术试验走向主流消费，甚至开始谨慎迈入“工业化时代”。这股爆发式浪潮因何而来？
从伪人到真人
如何跨越恐怖谷
“恐怖谷效应”曾是AI生成写实人物最大的障碍。它指人类对于自身高度相似、却又不完全像人的事物产生的不适与恐惧。当相似度高但未达真实人类时，好感骤降，形成“谷底”，直至完全逼真才回升。
在AI仿真人短剧中同样如此。当一张脸“看起来像真人但又不太对”时，观众会本能地感到不适。然而近几个月来，不少AI仿真人短剧似乎已经解决了这个问题。“脸上连毛孔、色斑都有，根本没区别了”“上次看到个真人帅哥的视频，我还恍惚别是AI生成的吧”，线上、线下出现不少这样的声音。
如何跨过恐怖谷？从技术层面看，大模型的快速迭代是首要原因。上溯AI影视生成技术的发展脉络：2022年是图像生成与大语言模型元年，AI首次具备高质量图像生成与自然语言交互能力，为影视创作提供了视觉素材与文本侧的基础能力。
2023年是视频生成启蒙落地之年，Runway Gen-2正式发布，成为首个公开可用的文生视频模型；Stable Video Diffusion开源。AI从静态图像正式迈入动态视频生成时代，影视创作的“动态化”门槛大幅降低。
2024年是视频生成技术迭代跃升之年。OpenAI发布Sora，基于DiT架构支持60秒高清连贯视频，被定义为“世界模拟器”，年底向公众开放，确立了视频生成的主流技术范式。
2025年进入视频生成工业化成熟阶段。Runway Gen-4、Google Veo 3、Sora 2、Seedance 1.0等密集发布，实现原生音画同步、多镜头叙事与世界一致性。标准化视频生成时长延伸至两分钟级别，人物跨帧稳定性大幅提升，AI影视进入准工业化生产阶段。
今年，随着Seedance 2.0/2.5、Kling 3.0相继发布，AI视频从“可用型玩具”正式升级为“工业化生产工具”，成本与效率优势凸显，真人影视生产流程被深度重构。
“我刚进入这一领域时，真人剧与AI真人剧之间的差距在70%左右，‘人机味’明显，现在不细看已经看不出太大差别。”派晨（上海）智能科技有限公司创始人陈宇峰说。在应用层面，Kling等模型在日系、小清新风格上表现突出，即梦等模型在通用欧美人或中国古装题材上效率更高，制作团队会根据风格需求灵活调用不同模型，同时兼顾效果和成本。对于要求特别精细的作品，团队还会用PS对人物面部进行重新上色涂改，甚至用手绘板手动调整细节。
技术并非唯一答案。2023开始接触AI技术的AICG（ 人工智能 生成内容）导演孙佳泞分享了她所在团队总结的一套标准化流程。
“首先你得有一个把控审美的人。”她强调，看的脸越多，经验越丰富，就越能捕捉到面孔之间的细微差异——比如眉间距、脸部折叠度等，这些恰恰是“捏”出来的脸可以与其他作品区分开来的地方。同时，真人的脸不是完美的，这边加颗痣，那边涂点小雀斑，反而会更有活人感。这些细节调整在技术层面上已经完全能够实现。
具体操作中也有不少窍门。比如在将角色面部二维视图“喂”给大模型前，可以注意使用淡灰色背景出图，出双视图（一张大脸加一张全身），这样能更好地把控最终效果。“我们圈内有一句话叫‘垃圾进，垃圾出’，你一定要把控‘喂’进去的东西不是垃圾。如果这张图看上去一般，指望视频模型据此跑出惊艳的效果是不可能的。”
在提示词（在“捏”脸时对AI大模型提出具体要求）的编写上，同样需要拿捏分寸——不可过于粗略笼统，否则就无法获得符合需求的面部特征；也不可过于具体烦琐，否则很可能导致AI注意力分散，甚至因指令冲突而出现“脸部抽筋”等怪异画面。
当被问及对AI内容生成技术未来有何展望时，她左手平摊向上，右手食指垂直抵于左手掌沿，仿佛平地竖起一根旗杆。“技术或许正经历一次跳跃，”孙佳泞说，“当站在这里（手指、手掌交汇处）的时候，平地上的我们看不清竖直向上的方向，只能拥抱它，往前走。”
告别“ 橡胶 拳头”
“演技”怎样生成
视频生成技术迅速进步，AI人物越来越“像真人”。上海视觉艺术学院艺术与科技专业副主任朱爱华认为，AI仿真人影像正在从对“外观拟真”的追求，进入对“角色可信度”的更深层挑战。
“脸做得很真实，并不等于人物就真实。”她说。真正让观众相信一个角色的，往往不是哭、笑、愤怒这些明确表情，而是一个眼神、一次迟疑、一个停顿，以及这些细微，甚至不那么标准的反应共同形成的那种“活人感”。真正困难的，也不是把某个表情做得更像，而是让人物的行为、情绪和关系在具体情境中成立。
这也正在改变AI影像创作者的工作方式。AI工具越强，创作者越不能只停留在“把画面生成出来”，而需要越来越多地进行导演式判断：人物为什么这样行动，这个镜头为什么存在，前后节奏和人物关系是否成立。
在AI仿真人剧中，观众对“ 橡胶 拳头”已习以为常——每当角色需要呈现愤怒、焦虑、激动等情绪时，总会给垂在腿侧的拳头一个特写，伴随着“嘎吱嘎吱”的声音缓缓捏紧。这已成AI生成真人角色表演套路化、表面化的缩影。
随着技术发展和观众需求的提升，如何从“生成视频”，到逼近甚至达到“生成演技”，是当前行业最前沿的命题之一。
近日，一部AI创作的仿真人短剧以上佳“表演”和优秀故事在全球平台获得播放量突破1亿次的佳绩。观众热议：“如果AI仿真人剧有奥斯卡，一定能拿奖。”以它为代表的诸多精品好剧的出现，似乎为AI仿真人视频拓展出更高的上限。
从单纯爽剧，到走心好剧，目前不少创作团队在操作层面更加精雕细琢。例如加强提示词的把控，总导演与生成师合作时，脑海里先把镜头、光影、走位想一遍，甚至自己演一遍给对方看，帮助其在编写提示词时精准把握尺度。
AI的算力是有限的，将其集中用在“刀刃”上，往往能发挥良好效果。例如，这场戏专注于脸部情绪变化，从哀到喜再由喜到哀，提示词就应重点放在情绪变化上；那场戏着重表现肢体动作，如掩面而泣、奔跑时摔了一跤，那么提示词就应聚焦动作。如果贪心想兼顾，可能反而会顾此失彼。
另一种方法是探索新功能。例如，不少主流视频生成模型可以参考真人视频做多模态联合建模，提取其中的动作时序、神态特征以及肢体参数等，将其整合、适配、迁移到目标虚拟角色的骨骼绑定及面部拓扑结构上，从而达到虚拟角色完全复刻真人表演的效果。
还有一些笨办法，比如多“抽卡”。AI视频生成常被称为“抽卡”，这源于其底层的“黑盒”属性。从艺术创作角度看，这种不可控的“意外”有时会带来启发，成为意外之喜，抽卡越多，提供的选择就越多，当然消耗的算力、时间成本也越高。在目前的专业短剧制作团队中，一般情况下抽两三次卡，即可获得有效画面；若要打造精品剧或处理剧中重点情节，可能需要抽上10次。
不过，也有人对“生成演技”持悲观态度，认为AI生成角色的底层逻辑是对表情符号的统计拟合，缺乏真实生命体验，因此很难达到顶级的水平。网上的相关热门讨论中，一个例子常被提及——《花样年华》中男女主对戏时那种幽微、复杂的人类情感表达，AI显然难以展现。
还有一重隐忧指向AI生成内容的“马太效应”。当大量AI作品被上传到网络，又被用作训练下一代模型的数据时，整个模型的审美可能会不断向“平均值”靠拢。长期沉浸在这种审美环境中的年轻观众，可能会丧失对更高品质表演的感知和鉴赏能力。
上海视觉艺术学院广播电视编导专业副主任甘露认为，未来技术的突破不应仅停留在图像生成层面，更需建立角色心理的逻辑模型。
麻省理工学院曾开展过一个项目，通过采集瞳孔放大、心跳加快等生理反馈数据，辅助编剧进行微短剧的节奏把控与爆点转折设计。不过，目前表演的符号化建设尚未成熟，若未来技术真正完善，其影响力将十分显著。
在她看来，AI提升“表演水平”离不开三个核心要素。
首先是人类生命体验的数据库。表演的本质源于真实的生命感受，无论是微笑、大笑、苦笑还是笑中带泪，都基于人类真实的肉身体验。算法没有肉身，无法拥有真实的生命体验，其底层素材只能来自人类真实的生活积累。这也引发了伦理层面的讨论——是否需要采集所有人类活动，对于这一点目前学界与公众仍在探讨中。
其次是专业影视创作者的叙事把控能力。AI目前只能输出碎片化的表演片段，而表演的节奏、停顿、独白以及人物情绪的递进层次，都需要编剧和导演凭借人文判断进行筛选、调取、舍弃与排序。相关从业人员必须学会驾驭这一工具，使其服务于创作，就像驾驶 汽车 一样，要让人主导工具，而非被工具主导。
最后是表演艺术本身的理论体系构建。需要将斯坦尼体系等现有表演理论，转化为可与AI对话、能被提示词拆解的语言体系，把表演艺术知识注入人机协同的创作流程，而非单纯依赖AI自由随机生成。
影视工业的
第二次深度数字化
如今，在较为成熟的AI仿真人内容生产团队中，熟练掌握提示词撰写、资产生成、视频剪辑甚至配乐等AI使用能力的3—4人，花一周时间即可完成一部40至60集的短剧，所需算力成本控制在1万到1.5万元人民币左右，具体数额取决于剧集级别和精度要求。
指数级下降的成本背后，是生产工具变革对传统影视制作模式的深刻冲击。
“我更愿意把它理解为影视工业的第二次深度数字化。”上海大学 上海电影 学院教师、青年电影导演、编剧徐响说。过去，从胶片进入数字时代时，数字技术首先改变的是电影摄影、后期制作、发行和放映的方式；而这一轮生成式 人工智能 开始介入的是更靠近创作源头的部分——人物从哪里来、空间如何建立、影像如何产生、表演如何被控制，甚至一个完整世界如何被构建。总体而言，它改变的是电影的影像究竟如何被生产。
在他看来，目前至少有几个变化非常明显。
第一，技术竞争正在从“生成能力”转向“导演控制能力”。前两年大家讨论的是一段视频能不能生成得足够逼真，现在真正有价值的技术指标已经变成：人物能否跨镜头保持一致，空间关系能不能持续存在，摄像机能不能准确调度，人物能不能完成复杂动作和表演，声音、对白、环境和画面能否共同形成一个完整场景。AI影像的核心竞争已经开始从“数字拟真”转向“虚拟片场”。对于电影导演来说，这个变化非常重要。
第二，AI正在从一种工具变成新的影视基础设施。它逐步覆盖项目开发、剧本研究、视觉开发、分镜预演、拍摄、虚拟制作、特效、声音、剪辑、宣发甚至运营等环节。产业已经开始出现相对明确的商业模式。所以未来人们可能不会再单独讨论“这是不是AI电影”，就像今天已经很少有人问一部电影是不是“数字电影”。AI会逐渐融入传统电影制作的工作流，变成影视生产的基础能力。
第三，影视生产的组织方式正在被重新定义。传统电影工业建立在高度专业化的部门分工之上：编剧、导演、摄影、美术、视效、剪辑，每一个环节都有完整的专业系统。AI并不会简单地把这些专业消灭，但它会重新划分这些专业之间的边界。一个导演以前要通过十几个部门才能验证的视觉构想，现在可能在前期就能够快速预演；一个小型创作团队过去无法承担的世界观、动作场面和类型规模，现在有了被实现的可能。未来或许一端是规模很小、能力高度复合的“超级创作者”，另一端是把模型、Agent、专业工作流和传统影视人才重新组织起来的“AI电影工厂”。
这实际上已不仅关乎降本增效，而是在改变影视工业的生产组织结构。相关产业研究也已经把“超级个体与AI工厂并行”列为未来值得关注的趋势。
第四，AI正在孕育一种可能不同于传统实拍、动画和CG的新影像形态。目前很多AI作品仍然在努力模仿传统电影，这很正常，因为任何新媒介最开始都会模仿旧媒介。
徐响真正感兴趣的是，当AI不再受制于传统摄像机、真实物理空间甚至稳定人物形态之后，它会不会产生属于自己的语言和叙事方法。从这一视角来看，世界模型的发展尤其值得关注——它已开始从“生成视频”走向“生成一个可以持续存在、可以进入和改变的世界”。如果这条路线继续发展，未来导演面对的不止是“一段生成式影像”，更是一个可以调度人物、摄像机、光线甚至事件发展的“生成世界”。到那时，导演工作的对象都会发生变化。
与此同时，他提出行业还有第五个，也是最关键的变化：技术红利正在迅速结束，内容竞争重新回归。当所有人都可以运用AI，“会生成”很快就不再构成竞争力。真正稀缺的将重新变成剧作、导演判断、审美、社会经验、娱乐性以及作者性。
“AI影视真正进入成熟阶段的标志，不只是我们终于做出了一个所有人都看不出是AI的镜头，更重要的是，有一天观众根本不关心这个作品用了什么技术，他只关心这个人物、这个故事以及这部作品有没有真正打动自己。”徐响说，从这个意义上看，当下正如一道分水岭——上半场解决的是AI能不能生成影像；现在进入的下半场，解决的是人能不能用AI创造真正的电影。他始终认为，影像创作最终面对的仍然是人。AI越强，创作者对于现实、人物、文化和自身经验的判断，会变得越重要。
（文章来源：上观新闻）