AI 人物形象雷同:同一张脸跨剧串场,正在被平台单独治理

刷到第五条 AI 短剧的时候,你会有个奇怪的感觉:女主好像是同一个人。

不是错觉。全网大量 AI 短剧的主角,长得确实差不多。而这件事在 2026 年下半年从「观众审美疲劳」升级成了平台会管的事。

平台在治什么

据媒体转述,红果短剧针对形象雷同与高频复用 AI 人脸展开治理,要求「不同剧集、不同角色之间形象要有区分」;抖音短剧创作者中心自 2026 年 8 月 3 日上线的预检工具,也把高频 AI 人脸列为筛查项之一。

注意这个措辞:被治理的不是「这张脸是 AI 生成的」,而是「这张脸出现的次数太多了」。这是一条分发规则,不是版权规则——它不判你侵权,它只是不给你量。

平台不介意你用 AI 造一张脸,平台介意的是全网都在用同一张脸。前者是工具,后者是噪音。

为什么会撞脸:这不是运气问题

撞脸的原因很朴素:大家写的提示词是一样的。

「25 岁女性、精致五官、都市白领、微笑」——这样的描述在同一个模型里,收敛到的就是一小撮高度相似的结果。当十万个人用同一批网传提示词、跑同一个模型,输出必然趋同。这不是随机事件,是分布问题。

三个让撞脸概率飙升的做法:

• 直接抄网传的「万能人物提示词」——它之所以流传,正因为很多人在用。
• 只写通用形容词,不写具体特征——越抽象越向平均值收敛。
• 同一套形象跨剧复用——省事,但等于主动放大自己的重复度。

解法:给每个角色建一份形象档案

把角色形象当成资产来管理,而不是每次现生成。一份档案至少包含四项:

1. 编号与归属:哪部剧、哪个角色,一个编号只属于一部剧。
2. 固定提示词:包含至少三项具体且不常见的特征——不是「大眼睛」,而是具体的脸型、发际线、痣或疤这类可识别细节、以及固定的服装元素。
3. 参考图:锁定后的正脸、侧脸、半身各一张,后续所有镜头都以此为准。
4. 禁用清单:这个编号不得出现在哪些剧里(默认:除本剧外全部)。

做完这一步,你会顺带解决另一个问题:角色形象前后不一致——那是 AI 短剧被判低质的高频原因之一,也是 8 月 3 日起的制作规范 里点名的一项。一份档案同时治两个病。

顺带解决的一个问题:观众记不住你的角色

撞脸除了带来分发风险,还有一个被严重低估的代价:观众记不住。

短剧这个形态本来就靠角色驱动——观众追的是「那个人」,不是「那个平台上的某一条」。当你的女主和另外三千条剧的女主长得一样,你就把这个形态最强的记忆点主动放弃了。反过来,一个有辨识度的角色形象能让第二部、第三部的冷启动便宜得多,因为观众在推荐流里滑过时会「认出来」。

这也是为什么本文建议的做法是建档案而不是每次现生成:它同时解决三个问题——平台的雷同治理、审片的前后一致要求、以及观众的记忆成本。三件事一个动作。

批量生产的人要特别小心一件事

做矩阵、做多号分发的人,最容易踩的坑是:做一套好用的形象模板,然后套到所有号上。

这个动作同时踩两条线。第一条是本文讲的形象雷同;第二条是账号层面的同质化判定——平台对「批量发布同质化内容」的关注是明确的,详见 抖音同质化怎么判定 与 账号健康分。

正确的结构是反过来的:共享工作流,不共享内容资产。流程可以统一(选题→写稿→配音→出片→发布),但每个号的赛道、人设、关键词、角色形象必须各自独立。像 NoobClaw 这类工具在做多号内容时的设计前提就是这一条——每个号按自己的赛道与人设独立生成,而不是把一条内容铺到 N 个号。这是其中一种实现方式;不管用什么工具,判据都一样:如果两个号的内容能互换而观众看不出来,那它们对平台来说就是同一个号。

常见问题

怎么知道我的 AI 人脸是不是「高频」的?

没有公开的查询工具。可用的近似方法有两个:一是把你的角色正脸做以图搜图,看是否大量撞图;二是用抖音短剧创作者中心的预检工具(如果你的场景可用),它把高频 AI 人脸列为筛查项。两者都只是提示,不是结论。

换个发型换身衣服算不算区分?

风险很高。判定看的是面部特征,发型和服装属于容易变的表层。真正有效的是脸本身的差异——脸型、五官比例、可识别细节。

已经用同一张脸发了很多条,现在换来得及吗?

来得及,但不要一次性把旧作品全删——删除不会让记录消失,还可能带来额外的账号层面影响,相关讨论见 删内容会不会掉权重(小红书侧的争议同样适用于「删了能不能止损」这个思路)。更稳的做法是:新片全部换形象、旧片保持不动,用新内容重新建立账号的形象辨识度。

本文关于形象雷同治理与预检工具的信息为媒体转述口径(检索日期 2026-08-22),未取得平台规则页原文。形象档案方法为我们整理的操作建议,非平台标准。