数字人分身和真人出镜，观众看得出来吗

导语：一条数字人视频发出去四分钟，最高赞的评论是三个字：这是AI吧。发视频的人挺委屈，形象花了不少钱，自己看觉得挺真。问题在于，人判断一张脸真不真，用的不是清晰度，是一堆自己都说不清的小线索。这些线索藏在动态里，藏不住。

人靠什么判断真假

大脑里有一套专门认脸的机制，快得离谱，几十毫秒就能给出感觉，而且给的是感觉不是结论。所以观众常说不上来哪里不对，就是觉得假。这套机制盯的不是五官比例，是动态：眼睛怎么动、嘴怎么开合、皮肤怎么起伏、头和身体是不是一起动。静态截图看不出问题，一动就露。这也是为什么很多团队验收时只截了几帧看，觉得完美，成片一播就翻车。有个现象很说明问题，把真人视频的速度调慢一点，很多人会觉得假；把数字人视频调快一点，反而更像真的。因为大脑判断的是节奏自然不自然，不是像素够不够。

破绽一：眨眼

真人平均每分钟眨十几次，间隔不规律，有时候连着眨两下，有时候十几秒不眨。紧张的时候眨得少，放松的时候眨得多。数字人常见的做法是定时眨，比如每四秒一次，规律得像钟。观众说不出哪里怪，但看久了会觉得这个人在盯着。更细的一层是眨眼和表情的配合，真人笑的时候眼睛会眯，惊讶的时候眼睛会睁大，数字人往往只有眼皮在动，眼睛本身没反应。改进方向很简单：把眨眼改成随机间隔，并且在情绪变化时联动眼周。还有个细节，真人的眨眼常常和思考同步，说到一半停下来想词会眨一下，说完一句重要的话也会眨一下，数字人的眨眼和内容完全无关，这就是那种说不出的怪。

破绽二：口型

中文的口型是老问题，难点在于音节多、韵母复杂，同一个字在不同语境下嘴形不一样。常见的错误有三类：该闭嘴的时候没闭，比如发波、泼这类音；该圆唇的时候没圆，比如哦、乌；连续说话时嘴形切换太快，看起来像在抽搐。观众对口型的容忍度其实不低，稍微差一点不会立刻出戏，但一旦和声音有明显的时间差，比如声音出来了嘴还没动，就会被立刻识别。所以宁可对不齐，也别让嘴慢半拍。中文还有个大坑是轻声和儿化，比如桌子、花儿，这些音在语流里很短，嘴形变化却很明显，一旦处理成完整的音节，就会显得字正腔圆得过头，像播音不像说话。

破绽三：微表情和呼吸

这一层最难补。真人说话时，眉毛会随着重音轻轻抬一下，鼻翼会随着呼吸微微张合，喉咙会有吞咽的动作，肩膀会随着吸气抬起一点点。这些东西加起来，构成了一个人活着的感觉。数字人通常只有大表情没有小表情，只有说话没有呼吸，于是画面很干净，也很死。有些团队会在剪辑时加轻微的镜头晃动，或者让数字人有小幅度的身体位移，这能缓解，但解决不了根本。真正有效的办法是让配音有真实的呼吸，声音里的气口会带动整个人的可信度。补这些细节有个便宜的替代方案，让真人录一段一两分钟的自然说话视频，把里面的呼吸声、笑声、清嗓子的声音剪出来，垫在数字人的音频下面，观众听不出技巧，只觉得这是个活人。

被看出来之后怎么办

先别急着删。被认出来不一定是坏事，关键看你的态度。装作没事、被追问还否认，是公关灾难；坦率承认、把重点放在内容上，多数观众能接受。平台层面也有要求，生成内容通常需要标识，具体规则看各平台的最新说明，别赌。实际运营里还有一种情况：观众早就知道是数字人，但内容有用，照样看完、照样下单。所以与其花钱把破绽藏起来，不如把内容做得值得看。还有个实务建议，把数字人的定位写进账号简介，观众提前知道，就不会有被骗的感觉，评论区也能少一半质疑。

结尾：一条实用的自检，把自己的片子放给家里不太懂技术的长辈看，不提示，问一句这个人说话怪不怪。他们的直觉往往比专业评审更准，因为他们不看技术，只看人。