何谓AI视频换人及其核心技术原理

看到一段视频里人物的动作、表情和说话节奏都没变，脸却换成了另一个人，这就是常说的 AI 视频换人。它并不只是把一张照片贴到视频上，而是在尽量保留原视频“表演”的同时，重建并生成另一张脸在同一段动作中的样子。效果足够自然时，观众往往很难察觉边界，这也是它既有创作价值、又容易引发争议的原因。

一次“换人”在做什么

可以把源视频理解成提供表演：人物怎么转头、眨眼、张嘴、皱眉，光线从哪里照来，镜头又如何移动。目标人像则提供身份特征，例如脸型、五官比例、皮肤纹理和整体气质。系统先对两者进行人像表示与重建，把脸部拆成可被计算的结构和表情信息；接着用关键点驱动动作迁移，让目标人像跟随源人物的头部姿态和面部变化。

真正难的部分在后面。生成模型需要把新脸放回原有画面，并处理肤色、阴影、遮挡、边缘和清晰度。GAN、扩散模型或神经渲染等方法，承担的正是这种“把计算结果变成连贯画面”的工作。单帧看着像，并不代表视频可信：前后画面的时间一致性、口型与语音是否匹配，往往更能暴露结果是否自然。

逼真感从哪里来

早期换人常见的问题是脸部僵硬、转头时变形，或者光照一变就露出破绽。如今模型更重视多角度纹理、细节捕捉和连续帧之间的稳定性，因此能更好地处理表情与动作。不过，头发遮脸、快速运动、复杂光线和低质量素材，仍会让合成难度上升。

这项技术可以用于广告本地化、虚拟讲师和影视后期，但“技术上能换”不等于“可以随意换”。人像授权、内容标注和可追溯性，决定了它是在帮助创作，还是在制造误导。或许我们以后看视频时，除了问“像不像”，也该多问一句：这个人，真的同意出现在这里吗？