近期，短视频平台上频繁出现的一张AI生成面孔引发了网友的集体吐槽。这张拥有精致五官、大眼睛、小鼻子和永远白皙皮肤的“标准美女”形象，不仅出现在校园剧、古装剧，甚至被套用到不同年龄、性别的角色中，从五六岁孩童到七八十岁老人，甚至系头巾的大爷形象都由这张脸“扮演”。这种无处不在的“AI刷脸”现象，让许多用户产生了被“伪人包围”的窒息感。
网友的负面情绪在评论区集中爆发：“看到这张脸就想划走”“生理性厌恶”“刷短视频像在玩找不同游戏”。有人试图追溯这张脸的原型，猜测其融合了某封号女主播、演员李川甚至朴灿烈姐姐的特征，但最终发现这更可能是AI从海量数据中提炼出的“平均脸”——一种符合算法审美却缺乏真实个性的虚拟形象。
为探究这种现象的成因，记者对Seedance、可灵、海螺等主流视频生成模型进行测试。当输入“女生骑自行车”这一简单指令时，各模型两次生成的画面中，人物面容、穿着甚至背景都高度雷同。在Seedance 2.0 Fast模型中，甚至直接复现了引发争议的AI脸。这种“千篇一律”的输出并非偶然，而是由多重因素共同导致。
技术层面，视频模型对提示词的过度优化是首要原因。为追求生成结果的稳定性，平台默认对用户输入进行“润色”，将简短描述扩展为包含“年轻漂亮”“皮肤白皙”“甜美微笑”等固定词汇的详细指令。这种流水线式的优化虽然提高了出图效率，却扼杀了多样性。当记者手动修改提示词，加入“雀斑”“卷发”等特征描述后，生成的面孔才出现明显差异，但背景仍被锁定在“林荫道”这一默认场景。
更深层的原因在于AI模型的审美偏见。研究显示，图像模型在训练过程中会放大数据中的主流偏好。当“网红脸”被大量标注为“美女”后，模型便会将大眼睛、小鼻子等特征与“美”直接关联，甚至进一步强化这些特征的相似性。视频模型对画面连贯性的要求，也使其倾向于选择五官对称、轮廓标准的面孔——这类形象在镜头转动时更不易“穿帮”，但代价是牺牲了真实人类的独特性。
这种由算法主导的审美同质化，正在重塑用户的视觉体验。当AI生成的“完美面孔”充斥信息流，取代了原本多样化的真人形象时，许多用户感到不适。这种反感不仅源于“恐怖谷效应”（对接近真实却非真实的形象的排斥），更来自对审美单一化的本能抗拒。有用户直言：“我们可以接受技术进步，但无法爱上一张没有灵魂的假脸。”
目前，部分平台已开始尝试通过调整模型参数、增加数据多样性等方式优化生成结果，但如何平衡效率与个性、技术审美与人类真实感知，仍是待解的难题。在这场由AI引发的视觉革命中，用户对“真实”的渴望，或许将成为对抗算法同质化的最后防线。
