什么值得买App下载 App ›
连续签到专享现金活动

AI批量制造“不可能的吃播”:嚼玻璃咬金条,技术狂飙背后藏Bug

最近刷短视频,你可能见过这样一种画面:主播张大嘴巴,镜头凑近到嘴部特写,咀嚼的是玻璃水果、金条,甚至熔岩。这类不可能出现在现实中的进食场景,正通过AI视频生成技术批量制造。不用真人出镜,不需要准备真实食材,几分钟就能产出一条完整的“吃播”视频。这种形式被称作AI吃播,正在快速占领各大平台的食物类内容赛道。
AI吃播是怎么火起来的
AI吃播的核心卖点在于“打破物理限制”。虚拟主播可以咀嚼现实中根本无法食用的东西:玻璃切开露出果肉、钻石碎裂成渣、金条被咬出牙印。这种猎奇感本身就能吸引注意力。配合AI同步生成的ASMR咀嚼音效,画面通常以半侧脸或嘴部特写呈现,营造出极具视觉冲击力的进食体验。12
从创作者角度看,AI吃播的门槛极低。一条视频要准备十几道菜、拍完基本全浪费,食材成本动辄上千;用AI的话,只需要一张参考图,几分钟就能生成完整内容,连人都不用出镜。更重要的是批量化复制的成本几乎为零,一条爆款可以快速裂变出几十上百条同质化内容,持续投喂算法。3
技术到底能做到什么程度
当前AI视频生成对食物材质的还原能力已经相当精细。以火山引擎Seedance 2.0为例,基于大规模美食数据训练的模型能够识别并还原不同食物的物理特性:酥脆类食物模拟裂纹纹理与哑光光泽,还原咬碎瞬间的质感;多汁类食物呈现通透水润感,模拟汁水流动的动态效果;软糯类食物还原蓬松肌理与弹性光泽。这类模型还能根据指定场景自动调整光影参数,西餐厅暖光下的牛排与日式居酒屋冷光下的寿司,呈现效果有明显区分。45
在风格化方向上,部分模型专门针对食物特写做了优化。比如Real-Anime-Z这类基于Stable Diffusion的写实向动漫风格模型,能将寿司、拉面等日式料理转化为保留真实纹理又充满动漫光泽的2.5D风格作品:鱼肉的脂肪纹路、米饭的颗粒感清晰可见,表面却泛着动漫特有的高光。不过这类精细效果通常依赖较高的参数配置和特定的提示词,普通创作者要想稳定产出高质量内容并不容易。6
AI吃播有哪些硬伤
尽管技术进步显著,AI视频目前仍存在几类难以克服的破绽。手部和牙齿是最容易露馅的部位:手指数量不对、关节弯曲不自然,牙齿边缘过于整齐、缺乏自然排列感,是最常见的识别点。物理逻辑方面,光影方向矛盾、物体凭空消失、液体流动无视惯性等问题也普遍存在。有清华大学的专项研究将这类问题归纳为“物理谎言”:物体越远应该越小,但AI视频中可能出现“体积呼吸”现象——远去的物体本应均匀缩小,却突然鼓胀一圈。78
从原理上看,这些问题很难在短期内彻底解决。当前AI视频模型的本质是基于大规模训练数据学习像素间的统计关联,在给定输入后预测“最可能出现的下一帧”。它不掌握重力、碰撞、因果等物理规则,只模仿训练集中常见的画面组合。模型对“局部纹理”极其擅长,对“整体逻辑”非常迟钝——皮毛细节可以以假乱真,但体型比例、物体大小关系常常失控。9
更值得警惕的问题
比起画面是否逼真,AI吃播带来的更深层问题在于内容影响。虚拟形象合成夸张的咀嚼画面、堆砌暴饮暴食的进食场面,只为博眼球、带零食货。很多视频没有标注AI生成,大人尚能分辨真假,未成年人却很容易被这种猎奇画面潜移默化,把狂吃、暴食当成有趣的日常,忽视健康饮食和珍惜粮食的观念。比起真人吃播催吐伤身的显性问题,AI吃播的不良性引导更加隐蔽,批量生产的同质化内容不断投喂算法,放大的是畸形的饮食审美。10
牛津大学实验心理学教授查尔斯·斯彭斯的研究还发现一个有意思的现象:当消费者不知道食物图片由机器生成时,他们通常更喜欢AI生成的图片;但一旦得知图片是AI制作的,吸引力就会下降。更反直觉的是,当用户要求AI把食物图片制作得更诱人时,AI往往会自动增加脂肪元素——比如在土豆泥上添加更多黄油。这种可预测的偏差说明,AI对食物的处理方式本身就带有误导性,长期接触可能扭曲人们对真实食物的认知。11
目前市面上大多数AI吃播视频在细节层面都有可识别的破绽:手指关节异常、眨眼频率不符合生理规律(真人眨眼约2-10秒一次)、口型与声音不同步、运动时身体重心不连贯。放大画面仔细观察,这些问题通常不难发现。但更关键的问题在于——这些内容往往没有任何AI生成的标注。当猎奇、解压、外观精美成为选择标准,辨别真假的优先级就被推到了后面。7

评论

评论区空态插画

当前文章无评论,是时候发表评论了