被AI脸包围的我们：一场赛博异化实验
短视频中反复出现的同一张AI生成脸引发集体反感。本文揭秘其成因：提示词优化流水线+模型审美偏见+视频一致性需求，共同催生‘标准美人’。
被AI脸包围的我们
刷短视频时，你是否也发现：同一张精致、白皙、大眼小鼻的AI生成脸，反复出现在校园剧、古装剧、甚至老年角色中？网友戏称“伪人包围”，甚至产生生理性厌恶。
不是偷了谁的脸，而是造出了‘平均标准脸’
这张脸并非盗用真人，而是AI审美流水线的产物——在缺乏明确外貌约束的前提下，主流视频模型（如Seedance、可灵、海螺等）对相同提示词“女生骑自行车”竟反复生成高度一致的人脸、服饰与场景。
两大主因：提示词优化 + 审美偏见
第一层是‘提示词增强’的默认化：用户输入简短提示后，平台自动补全为“年轻漂亮亚洲女孩、白皙皮肤、甜美微笑、电影感画面”等标准化描述，长期积累形成模板化输出。
第二层是模型的固有偏见：训练数据中网红脸占比高，模型将“美女”与特定五官组合强绑定；加之视频生成需跨帧一致性，模型更倾向选择对称、稳定、易控的‘安全脸’。
这不是技术进步，而是感知异化
当毫无缺陷的AI脸挤占信息流，取代真实多元的面孔，我们对美、对人的感知正在被悄然规训。反感AI脸，不仅是恐怖谷效应，更是对同质化审美的本能抵抗。
正如文中所言：“就算技术做到真假难辨，我们也无法爱上一张没有灵魂的完美假脸。”
配图
