什么值得买App

我的兴趣消费指南

什么值得买
连续签到专享现金活动

AI视频为何总“眼神空洞”?揭秘当前技术的三大瓶颈与应对技巧

你刷到过那种AI生成的主播视频吗?脸很真,但眼睛像两颗玻璃珠子,盯着你看又好像没在看你。这种“眼神不对劲”的感觉,几乎成了当前AI视频最刺眼的破绽之一——哪怕皮肤纹理、发丝光影都逼真到像素级,只要瞳孔空洞、视线飘忽,观众立刻会本能地觉得“假”。这不是审美挑剔,而是人类对眼神的高度敏感:眼睛不仅是视觉器官,更是情绪、注意力与社交意图的窗口。AI能画出睫毛,却画不出“看什么”和“为什么看”。
01眼睛会说话,但AI听不懂

为何人类对“眼神异常”如此敏感?

生物学视角

人类进化出对眼神的超敏识别能力

  • 真人2–10秒必眨眼,这是自主神经系统的自然节律
  • 瞳孔会随情绪、光线、认知负荷实时变化(如恐惧时放大、专注时收缩)
  • 视线具有明确焦点:交谈时会在对方双眼与嘴部之间微幅扫视,思考时会短暂漂移
AI建模现实

当前模型优先保证“不犯错”,而非“有灵魂”

  • 为避免“乱看”导致恐怖谷效应,多数模型默认让角色直视镜头或固定方向
  • 眨眼被简化为周期性开关动作,缺乏呼吸感与认知节奏关联
  • 眼神常被当作静态装饰处理,未与语义、情绪、场景形成动态耦合
这种割裂直接导致AI人物“有眼无神”。观众未必能说清哪里不对,但潜意识已捕捉到违和:真人眼神是流动的、有目的的、带温度的;而AI眼神是静止的、无锚点的、程序化的。正如张颂文所言:“AI可能很完美,但人类因自身缺陷而变得更真实。” 眼神的“不完美”恰恰是生命存在的证据。
02不是画不好眼睛,是不知道眼睛在看什么
当前主流AI视频模型(如Runway Gen-4.5、Seedance 2.0)虽在画面连贯性与角色一致性上取得突破,但在眼部建模上仍面临三重结构性瓶颈:首先是训练数据缺失。公开视频数据集中,极少标注“注视目标”或“情感状态”与眼动的对应关系。模型学到的是“眼睛长什么样”,而非“眼睛如何工作”。其次是3D眼球建模缺位。多数模型基于2D扩散机制生成画面,缺乏对眼球曲面、虹膜深度、角膜高光与光源位置的空间一致性建模。这导致脸部光影从左侧来,但眼部高光却出现在右侧等物理逻辑矛盾。最后是注意力机制的局限。虽然模型具备“注意力”概念,但其关注的是像素分布,而非人类意义上的“心理注意”。它无法理解“此刻角色应该看向对话者眼睛以示尊重”或“因悲伤而垂眸回避视线”这类社会性规则。
更深层的问题在于,AI缺乏“心流”状态。真人表演中,眼神变化源于内在情绪演进与外部刺激的实时交互;而AI只是按提示词逐帧拼接表情,镜头之间没有连续的心理线索。结果就是:单帧或许精致,连起来却像“从不同片源剪辑出来的混剪”。
03现阶段做不到,但可以绕过去
  • 强制指定视线焦点在提示词中明确写“looking at partner’s eyes”“gazing at left shoulder”“focused on hand holding object”,避免模糊指令如“natural expression”
  • 用动词替代形容词不说“sad eyes”,而说“eyes downcast, slow blinking, pupils slightly constricted”;不说“angry”,而说“staring with widened eyes, rapid micro-saccades”
  • 引入生理节律添加“natural blinking every 4-6 seconds”“eyelids droop slightly during pauses”等指令,模拟自主神经系统驱动的微动作
  • 检查光影逻辑确保面部主光方向与眼部高光、眼窝阴影一致,这是AI最容易出错的物理细节之一
当然,这些技巧只是“打补丁”,无法根治模型底层缺陷。西安端点科技等团队尝试通过面部动作编码系统(FACS)参数化43块面部肌肉,并结合注意力驱动的视觉模型实现瞳孔-眼睑-视线联动,但这仍属前沿探索,尚未普及至通用模型。对普通用户而言,识别AI视频最实用的方法仍是盯住眼睛:若人物长时间不眨眼、瞳孔方向左右不一、高光位置违背光源逻辑,基本可判定为AI生成。这不是技术洁癖,而是人类视觉系统对“生命痕迹”的本能验证。眼神之所以成为AI难以逾越的门槛,正因为它是“观看”与“被观看”的交汇点——而AI至今仍是一个没有主体性的旁观者。

评论

评论区空态插画

当前文章无评论,是时候发表评论了