恐怖谷效应：为什么有些数字人让人不舒服

导语：有条数字人主播的视频，评论区最高赞是一句话：说不上哪儿不对，就是看着发毛。下面几百个人附和。这种说不上来的不舒服有名字，叫恐怖谷效应。它不是玄学，是人对脸的一套本能反应。理解了这一层，你就能明白为什么有些数字人花了大钱，反而比便宜的看着更吓人。

恐怖谷说的是一件反直觉的事

通常我们觉得，一样东西越像人，人就越喜欢。玩具熊像人一点点，可爱；机器人像人一点点，也还行。但这条线不是一直往上走的。当相似度到一个很高的位置、却又没到完全一样的时候，好感会突然掉下去，掉进一个深坑，然后才在完全一样的终点重新升起来。这个坑就是恐怖谷。用台阶打比方：一个假人像到七成，你觉得有趣；像到九成五，你会开始盯着它的眼睛看，因为它给的信号是矛盾的，看起来是人，动起来不是人。大脑对矛盾信号格外敏感，那种警觉就是发毛的来源。这个词最早是上世纪七十年代一位机器人研究者提出来的，原本用来描述人形机器人的尴尬区间，后来被借用到动画、游戏和数字人身上。

那条曲线大概长什么样

把拟人度当横轴、好感当纵轴，能画出一条先升、后跌、再升的线。下面用表格粗略还原这几个位置，数字只是为了说明趋势，不是精确测量。

还有个有意思的地方，谷底的位置会随着观众的经验移动。看多了数字人的年轻人，阈值比父母那一辈低，同样一张脸，你觉得能接受，长辈可能已经不想看了。所以同一个形象，不同人群的接受度完全可能两极分化。

数字人掉进谷里的四个原因

第一是眼动。真人的眼球一直在微动，看东西时会跳、会追、会失焦。很多数字人的眼睛是定住的，或者只做整体眨眼，你会下意识觉得它在死盯。第二是嘴。说话时人的下巴、脸颊、脖子都在联动，数字人常常只有嘴在动，像贴上去的。第三是节奏。真人说话有呼吸、有犹豫、有重复，数字人说得太顺、太平、太快，顺得不正常。第四是皮肤。磨得太干净，没有毛孔、没有色差、没有油光，像蜡像。这四条里，任何一条单独出现都能让人心里一沉。还有一条很少被提到，声音和脸不匹配，脸看着三十岁，声音听着五十岁，或者脸很瘦，声音很厚，这种不匹配比任何技术瑕疵都更容易让人出戏。

怎么从谷里爬出来

两条路，一条往后退，一条往前走。往后退就是降低拟人度，做成明显的卡通或者半写实风格，观众一看就知道这不是真人，反而放松，这也是直播间大量用卡通形象的原因之一。往前走就是把细节补齐：加眼动、加呼吸起伏、加颈部联动、保留皮肤瑕疵、把语速降下来加停顿。这条路贵，而且只要有一处没做到，还是会被察觉。第三条路是绕开，不给正脸大特写，用中景、用画面切换、用字幕引导注意力，让观众没机会盯着眼睛看。选哪条路，看你的内容要什么。要卖货、要好感，往后退；要做品牌、要质感，往前走。最忌讳的是心里想往前走，预算只够往后退，最后卡在中间。

一条实用的判断标准

自己做的片子，别只看一遍。第一遍正常看，第二遍静音看，第三遍把画面放大到只看脸。如果静音看的时候你觉得这个人有点怪，问题在动作，不在声音；如果放大后觉得皮肤发假，问题在材质；如果三遍都正常但朋友说怪，多半是节奏太顺。还有一个更简单的办法：发给三个不认识你的人看，不要提示这是数字人，问他们第一感觉。他们的回答比你自己看十遍都准。再补一个小技巧，把视频放慢到一半速度看，慢放会放大所有不自然的过渡，尤其是嘴形切换和眼皮动作，很多问题在慢放里一目了然。

结尾：恐怖谷不是数字人的死刑，它只是一条提醒。像人这件事，及格线是七十分，满分很难拿，而七十分到九十五分之间是最危险的区域。要么坦率地不像，要么认真地像到底，别停在中间。