AI 视频里的细腻表演:稳得住的面部表情词
别再写「情绪化」,改写一瞥、屏住呼吸、浅笑或缓慢眨眼。哪些表情词在短片里立得住,哪些会让脸变形。
给视频模型输入「a sad woman」(一个悲伤的女人),你会得到一张像图库照片那样悲伤的脸:整张嘴、整个眉头同时用力,还一直僵到片子结束。换成「她低下头,又抬起来」,得到的东西剪辑师才用得上。银幕上的表演大多很细微,片段又很短,所以只有细微的动作放得进去。
这篇只讲脸:该用哪些词、用几个,以及什么时候别再跟模型较劲,改从一张图开始。镜头方面是另一回事,见AI 视频的九种运镜。下面所有角色都是虚构的,这些做法不需要任何真人照片,没有授权也不该使用。
为什么「情绪化」什么都换不来
情绪是对一段时间内发生的事的标签。视频模型渲染的是一帧一帧的画面,它需要的是事件,而不是标签。「心碎」没有说明是眼神垂下、下巴发抖还是肩膀塌下去,于是模型把见过的所有心碎的脸取平均,而平均出来的就是一张面具。
解决办法是把标签换成你能拍下来的行为。问问自己镜头实际会看到什么,然后把它写出来。下面是我反复在用的一小套词汇。
八个在银幕上立得住的小动作
- 一瞥。「她的目光扫向门,又回到信上。」一瞥和运镜一样,需要起点和终点的目标。没有目标,眼睛就会乱飘。
- 屏住呼吸。「她停了一下呼吸,胸口不动,然后缓缓呼出一口气。」它读起来是紧张,而且几乎不占用脸部的任何变化,因为脸上什么都不用动。
- 浅笑。「嘴角的一侧微微扬起,又落下。」写「微微」,而且只写一次。不加限定的微笑会露出满口牙。
- 缓慢眨眼。「缓慢地眨一次眼。」它暗示疲惫、平静或下了决心,也是模型处理得最稳的一种眼部动作。
- 吞咽。「他咽了一下,下颌绷紧。」一个词就是紧张,动作主要在喉咙,所以脸能保持稳定。
- 挑一下眉。「左眉微微抬起。」一边眉毛,一个方向。
- 移开视线。「她把目光转向窗外,没有再回头。」不再对着镜头表演的脸,比一直保持对视的脸更容易生成。
- 静止。「脸几乎不动,只有眼睛在动。」最被低估的一种指示。
每条片段只花一个表情
一条短片只容得下一个节拍:出现某种状态,发生一个变化,然后落定。连着要三种情绪,模型会把它们压成一闪,脸在几种情绪之间变形。挑出最关键的那个变化,片段其余部分保持平静。工作室里的片段最长 30 秒,即使是长片段,承载单个节拍也比承载一串节拍更好。
Medium close-up of an old lighthouse keeper at a rain-streaked window, evening light. He is nearly still. His eyes move to a ship's lamp far out at sea, he holds his breath for a moment, then exhales slowly and one corner of his mouth lifts slightly. Camera static, shallow depth of field.A young pilot in a dim cockpit, face lit by green instrument glow. She gives a single slow blink, her eyes drop to the dial in front of her and stay there. Her expression otherwise does not change. Camera locked.什么会让脸变形
当模型要改变的东西多过它能保持一致的范围时,脸就会变形。常见原因,按我遇到的先后排列:
- 一堆情绪词。「Angry, sad, hopeful, afraid」(愤怒、悲伤、希望、恐惧)对应不出一张脸,于是模型四种都试一遍。收敛成一个行为。
- 快速转头。从侧脸转到正脸,模型得凭空编出头的另一侧。写「缓慢转头」,并控制在四分之一圈以内,或者干脆不转,拆成两条片段。
- 大幅度的嘴部动作。大笑、喊叫和说话会让牙齿、嘴唇和脸颊一起动。真需要的话,时间要短,景别要够宽,这样小错误看不出来。
- 手从脸前划过。一只手遮住一只眼睛再移开,常常会把眼睛一起带走。
- 同时出现好几张脸。每多一张脸,模型分给每张的注意力就少一分。把表演放在一个人身上,其他人虚化成背景。
- 镜头在漂移。运镜加表情等于两件事。脸是重点时,把镜头锁死。
给脸取景,让节拍看得清
一瞥或一次眨眼只是几个像素的动作,放进全景里就消失了。要中近景或特写,说明眼睛是主体,并在角色看向的方向留出空白。脸在表演时保持光线不变;表情之上再叠加光线变化,看起来就是闪烁,见AI 视频里怎样改变光线而不闪烁。
什么时候从一张静帧开始
如果角色的脸要在好几条片段里保持一样,或者你已经有了满意的那张脸,就别再让文字提示词重新发明一遍。先用文生图或编辑模型做出静帧,比如图像编辑模型,调到脸对为止,再用图生视频让它动起来。图片决定了这是谁,你的提示词只需要说这张脸做什么,一句话就够,不用再描述脸本身。
选一张脸放松、略微偏离中心、眼睛睁开、嘴闭着或微张的静帧。定格在大笑中途的画面,会让片段无处可去。先用便宜的草稿试写法;草稿、锁定、出片工作流讲了怎么做,P-Video-2 图生视频还有现成的草稿开关。
The woman in the picture slowly lowers her eyes, then raises them again to look just past the camera. Her face stays relaxed, her lips barely part. Nothing else in the frame moves. Camera static.哪里会失灵
模型不会表演。它们生成的是长得像表演的画面,所以浅笑可能变成大笑,一瞥可能落在错误的物体上,眨眼也可能卡在半途。做好多抽几次的准备,每次只改一个词,留下读起来对的那几条。眼睛和嘴的特写也是模型最不留情面的地方,没有哪种写法能彻底消除风险。试几次脸还是不对,就把景别拉宽,或者拆成两条更简单的片段。
常见问题
怎样得到不是咧嘴大笑的微笑?
写一次「half smile」(浅笑)或「one corner of the mouth lifts slightly」(嘴角一侧微微扬起),并补一句脸的其余部分保持放松。从嘴巴闭合、神态平静的静帧开始也有帮助。
为什么同一个角色的两条片段里脸会变?
文字提示词每次都会发明一张新脸。先给角色做一张静帧,再把它作为每条片段的首帧,这样在表演开始之前脸就已经定下来了。
能让角色说话吗?
嘴部动作是视频模型最难处理的面部动作。有些模型能生成声音,出片前先看该模型自己的页面。对话场景要保持宽景别、台词写短,或者在剪辑软件里给一条平静的片段配上声音。