老师有没有告诉你，为什么AI能画出一张完美的脸，却演不完一场三分钟的戏

啪——老师把笔丢在桌上。

前两天热搜第一挂着一条：一段AI生成的内容，真实到很多人第一眼没分辨出来，评论区一片「是不是可以不用演员了」。

老师的学生也来问：这是不是意味着，做视频这件事，机器已经彻底会了？

老师这节课想讲的是：它看起来很会，但它会的其实不是「拍一场戏」，而是「画一张画」。 这两件事的差别，比你以为的大得多，而且这个差别，恰好能解释为什么你常常在第三秒就感到一种说不上来的怪。

一、它不是拍了三分钟，它是画了五千张

先拆掉一个误解。大多数人以为，视频生成是「机器在拍一段影像」。不是的。

你看到的那些模型，本质上被训练成了极其擅长一件事：给一张画面，猜出它下一个像素该长什么样。 它把时间切成一个个很细的格子，每秒可能是二十四格、三十格，然后一格一格地往外推。

你可以这样理解：它像一个画师，坐在你对面，一张一张地画。画完第一张，把第一张压在桌上，开始画第二张，尽量让第二张和第一张接得上。再画第三张，参考前两张。

问题来了：这位画师没有建过一个世界。

真的拍摄时，摄像机背后有一个完整的空间：桌子在这里，杯子在那里，灯在左上方，人的手是怎么回事，整个物理世界是一套自洽的结构。而模型手里没有这个结构，它只有「上一张图长什么样」。

所以它每一格都在做一件事：根据上一格的痕迹，猜出一个合理的一格。

猜得对，画面就顺；猜得错一点点，错误就会被带进下一格，再下一格，越滚越大。

二、于是就有了「第二秒的破绽」

这就是为什么你常看到这些现象：

人物走两步，脸悄悄换了个人，但是气质很像，一眼看不出，就是觉得别扭。杯子端起来，放回去的时候从左手跑到了右手。他转身，背后的门消失了，或者门变成了窗。三分钟里，光线从下午变成了黄昏，可是只过了一分钟。

这些不是画质问题。新模型单看一帧，已经能骗过很多人了。 破绽全在「帧与帧之间」。

行业里对这个毛病有个很直白的说法，叫「时间一致性」。你可以把它翻译成一句人话：它记不住上一秒的世界长什么样。

有意思的是，这跟AI「记不住上下文」是同一个毛病的两种表现。语言模型写着写着忘了前面提过谁，视频模型画着画着忘了刚才桌子在哪。它们都只有一段很短的记忆，却要装作自己在讲一个很长的故事。

三、人类观众的容忍度，是有带宽的

这里有一个不太被讨论的点，老师单独拎出来。

人眼对「不一致」的敏感，其实分层级。你几乎察觉不到水纹的细微重复，但你会在零点几秒内发现一个人的走路节奏不对；你不太在意背景的树叶，但你立刻会感到「这个人刚才的手势不是这样的」。这是因为我们的大脑对人的建模极其精细——几百万年演化出来专门干这个的。

所以现在的AI视频有一个很尴尬的分层现象：越靠近「人」的东西，越容易露馅；越是没人注意的风景和道具，越完美。

这也解释了为什么一些AI短片，如果拍的是空镜、是风景、是一个物体慢慢转动，会惊艳到让人起鸡皮疙瘩；一旦开始两个人对话，到了第三个回合，就开始有一种「哪里不对」的感觉。

不是你多疑。是你的大脑在那件事上，特别专业。

四、这个短板正在被补，而且补得很快

老师要讲清楚：这不是不可逾越的墙。这两年主流的一条思路，是让模型不再一格一格地猜，而是先在内部建一个粗糙的世界——物体在哪儿、朝向哪儿、镜头怎么动，然后再把画面渲染出来。

打个比方：从「一个凭记忆画像的画师」，变成「一个先在脑子里搭了个沙盘的画师」。 沙盘不必精细，只要能记住「杯子在右手边」，后面的每一格就都有了依据。

再加上一类新做法：先生成一段，再回头检查前后是否对得上，对不上的地方重新生成——像一个人反复回看自己的草稿。算力换一致性，这是最笨也最有效的办法。

所以问题不是「能不能修好」，而是「修好之后，我们怎么办」。一个能连演三分钟不出错的模型，会让「这视频是真的吗」这个问题，从技术问题彻底变成社会问题。

小测验

上面三题自己答一遍。答第二题的时候，想想为什么「先建世界」比「逐帧猜」更接近拍摄。

五、你现在可以怎么用这个知识

不讲大道理，给你三条能马上用的：

第一，看视频时，盯住人而不是背景。 想判断一段是否AI生成，别看清晰度、别看不合理的光影，看一个连贯动作里的手和眼神。那是最藏不住的地方。

第二，别拿「这一帧很真」当证据。 这个时代，「一张像照片的图」和「一段真实的记录」之间的信任关系已经断了。更可靠的判断方式，是问这段内容有没有一个可以追溯的来源。

第三，如果你自己要用它做内容，把长镜头拆开。 三秒一个镜头，比三十秒一个镜头稳得多。这不是技巧，是顺着它的短板走。

最后，回到那张桌子

老师把笔捡起来。

我们总喜欢问一个问题：AI能不能做到人能做的事。今天这节课想说的是，这个问法本身就偏了。

它不是在做同一件事做得更好或者更差。它是在用另一种方式做一件看起来一样的事——人拍戏是在一个世界里记录，它画戏是在一张画上推演。前者的弱点是不够快不够便宜，后者的弱点是没有世界。

所以别急着问「演员会不会失业」。先问你一句：当你分不清的时候，你判断真假的依据，还剩下什么？

那个依据，才是这张桌子上真正值钱的东西。

老师讲完了。下次再看到「真实到看不出是AI」的标题，你先把笔放下，问问它：这三分钟里，那个杯子在谁手上。