经常刷短剧的你，一定看过这样一张脸：黑直发、刘海齐眉、皮肤细腻到几乎没有毛孔，嘴角上扬的弧度刚刚好。

这张脸，会频繁出现在各类短剧中，时而搭配一身校服，出现在青春校园；时而又一身休闲装，化身都市丽人；时而又换上古装，与男主浪迹江湖……

有着海量“片约”的这张脸，并不属于某位网红，更不属于某个短剧明星。它属于多个由AI生成、借公版模型大批量产的AI角色。这张女性角色的脸，它的火热不局限于参演了各类短剧作品，甚至偶尔还会“客串”到一些男性角色上。在社交平台上，用户把它叫做“AI脸”。

AI脸并不是某张具体的脸，而是AI短剧内大量AI演员的面部形象，所呈现出来的一种共有的某些特征，同时在脸部光影、质感、表情上所呈现出来的一种趋同化。

用户们对它的态度，是厌恶：“怎么又是这张脸”、“精致但没记忆点”、“情绪像贴上去的”……社交媒体上充斥着大量类似的吐槽。

大众对AI脸的厌恶，直观的表现是一种审美疲劳。

要知道，AI短剧的产能，在过去一年里完成了一次让所有人始料未及的加速。数据显示：2026年第一季度，单AI仿真人剧一项的播放量便接近750亿，超过了2025年全年所有AI剧漫剧播放量的总和。

但在这个数字背后，是另一组更难堪的数据——93%的AI短剧，月播放量不足百万。翻看评论区，观众们留下的最高频词汇，不是评价内容如何，而是对AI脸的吐槽："看吐了"。

产能飙升与审美疲劳矛盾的浮现，让从业者们再度意识到AI短剧精品化的重要性。同时为了更好地解决当前这一矛盾，大家也只能再回到生产端，去思考现阶段AI短剧行业欠缺什么、需要什么。

借用《人民日报》在2026年6月底对AI脸现象所表达的观点，那就是AI脸看腻了，“活人感”该回来了。

也正因如此，LibTV在6月底对产品与功能进行了新一轮的更新，围绕AI角色的人像、分镜脚本拆解、3D导演台做了优化。顺应市场需求的同时，聚焦于AI短剧创作里最难啃的三件事：角色、分镜、调度，实现将“活人感”融入AI短剧创作中。

2026年6月初，#AI脸 生理性厌恶# 毫无征兆地冲上微博热搜，顺势引起了大量网友发文吐槽，致使该话题持续霸榜。截至目前，该话题在微博上的阅读量已经达到5222.1万。

翻看话题内容，网友们对AI形象同质化的争议集中在三点：

第一，AI角色人物的脸型，尤其是五官高度模板化。“男女老少都是这张脸，哪怕是外国人都有这张脸的影子”；

第二，AI角色的人物脸型皮肤质感失真，统一的影棚形象照质感，但又显得过度平滑，呈现“陶瓷质感”或“胶皮感”，缺乏毛孔与纹理；

第三，AI角色人物的脸部动态表现呈现出”恐怖谷“效应，“他们只要说话，表情就会变得一模一样，像鬼一样”。

甚至在同一部剧中，不同角色之间受AI脸的影响，也出现了“演员同质化”，而这极大地影响了用户的追剧体验。“坏人好人男人女人一度让我直窜戏…上一秒还在暖房里的人下一秒就成了同脸匪徒… ”微博用户@海兰珠阿婶如是说。

同质化一直是短剧行业内让大家头疼的议题，而AI脸生理性厌恶所暴露的，不单单是AI短剧同质化的问题。前面就提到，AI短剧数量多，但大多数作品的播放量并不高，大量内容沉在流量边缘无人问津。行业呈现出，供给量越大，同质化越严重，爆款越难跑出来的供需矛盾。

在同质化之外，围绕AI脸的讨论，其实还传递出了其他两个重要信号：一是，用户对AI短剧的情绪需求阈值提高；二是，AI短剧内容的生产逻辑正在迎来改变。

早期，AI内容靠新鲜感取胜，能生成完整剧情、画面接近真人就足以留住用户。但这个时代已经过去，观众现在的要求变了。

微博用户@极夜同奏就表示：“清一色大眼窄鼻、轮廓复刻的AI速成脸缺少个人特色，丢掉五官与生俱来的辨识度，看多了产生厌恶，自然原生态的长相才最耐看”。用户们的诉求也大多类似，诸如"要像真人一样自然"、"要有记忆点"、"情绪要真实"等。

这样意味着，技术不再是AI短剧的卖点，内容能不能让人共情、角色能不能让人记住，才是决定停留和转化的关键。而造成千篇一律AI脸的根源，往往不是模型能力不足，更多是成本压力、效率瓶颈与工具局限，共同把制作团队推向了一种"更稳妥、更SOP"的流水线逻辑，即在创作的三大关键环节，剧情、画面、节奏，全部趋向了同质化的最优解。

而想要解决行业供给与用户需求之间的矛盾，想要AI短剧走向精品化，就必须在生产逻辑上做出改变。

LibTV近期的一系列更新，可以说是针对以上的三个行业信号做的反应。

平台近期围绕剧本、角色搭建、导演调度，做了一系列功能上线与优化，综合功能变动与实际体验来看，LibTV聚焦于解决AI短剧创作里最难啃的三件事，角色、分镜、调度，并努力将“活人感”创作能力带入生产端。

实现“活人感”创作的第一板斧，LibTV是从静态上去解决了AI角色的撞脸问题。

围绕AI演员的角色设计，LibTV上线了两个新的功能：人像调节、虚拟角色库。其实这LibTV是针对当前AI短剧创作流程，给出的两套解决方案。

人像调节作为第一套方案，是帮助创作者提升已有的AI人物形象的“活人感”。

当创作者用AI工具生成了一个以公版为基础的AI形象，可以将素材上传到LibTV的画布中，然后调用“人像质感调节”，来优化AI形象的皮肤质感、脸部纹理，来祛除AI脸的那种“陶瓷质感”或“胶皮感”。

同时，“人像质感调节”也能调整人物与背景景色、人物与场景光影的融合情况，强化整体画面的自然感。

虚拟角色库作为第二套方案，是帮助还没有搭建AI人物形象的创作，避开那些主流的公版AI形象，从LibTV做过一轮优化AI形象中，挑选合适的人物形象。

虚拟角色库首次上线有23个角色，创作者可以从画布底部角色库入口或视频生成节点角色库选项中，找到小孩、年轻人、老年人各个年龄段的AI人物形象，同时还可以自行调整服装、发饰、衣服细节，让AI人物形象更适配剧集的需求与调性。

除开虚拟角色库，创作者也能在画布中，通过“人像质感调节”中的一系列预设选项，来重新生成一个新的、符合自己需求的AI形象。

LibTV的第二板斧，是从动态上来降低AI角色带来的“恐怖谷”效应。

在“人像质感调节”功能中，LibTV上线了情绪调节功能。利用该功能，创作者能够能够借助3D模型的动态调整，看到AI人物形象不同的情绪表现状态，同时也能通过生成参考图帮创作者，看到AI人物形象具体的表情呈现状态。

更值得一提的是，LibTV在这一轮新的更新中，针对分镜脚本的拆分功能做了优化。一方面提升了分镜脚本的拆分效率与准确度，另一方面上线了AI故事板（Storyboard）功能。

在AI视频制作流程中，Storyboard和文本提示词是两种常见的前期控制方式。前者强调视觉预设、镜头连续性和动作控制，后者强调语言描述、生成弹性和快速迭代。

实际操作中，短剧新圈就综合使用了情绪调节功能与调度故事板，让AI角色形象在生成多个表情后，描述对应的剧情故事内容，最后让调度故事板生成了4-6个中文分镜的手绘板。利用单一的细节调整，结合故事板的分镜拆分，就能很好地让创作者把控AI角色形象在表情呈现、情绪表达上的动态控制。

最后一板斧，LibTV优化了之前上线的3D导演台功能，在静态、动态的基础上，加强AI人物形象在空间呈现中的表现。

实际上，不少AI人物形象在正脸或静态表现上并不AI脸，但当画面动起来，镜头从别的角度呈现AI人物形象的时候，AI脸的问题开始呈现出来。在AI仿真人短剧的弹幕中，不少人就会讨论某个角色的侧脸像某一位明星。或者在AI漫剧中，也出现了大量角色在某个角度或场景中，撞脸《凡人修仙传》中韩立形象的情况。

在LibTV中，创作者可以通过“人像质感调节”生成角色的脸部三视图，确认AI人物形象不同视角下的静态表现，再结合调度故事板、3D导演来调整框定住角色形象在动态和空间中的表现。

从静态、动态到空间，LibTV这一轮的更新更像是从传统影视创作的思路去审视AI短剧创作，沿着演员是谁、每场戏该怎么拆、镜头要如何拍，以及最后该怎么样成片的路径，给出了一套完整的系统性解决方案。

首先在角色层面，前文已经介绍过人像调节、虚拟角色库和情绪调节三个功能。三者叠加，对应的是AI演员在静态形象、动态表情、角色辨识度三个维度上的同步提升。

但许多AI形象正面表现出色，一旦镜头转动，AI感就开始暴露。为此，LibTV支持创作者通过人像调节生成角色脸部三视图，提前确认人物形象在不同视角下的静态表现，再结合后续的调度工具锁定动态一致性。

其次，剧本拆解一直是AI短剧创作中最耗时、最容易出错的环节。

以往逐集手动整理镜头信息，每个镜头单独写提示词，角色、场景、道具反复对照，稍有疏漏就会出现角色断层、场景穿帮。

LibTV这次上线的全新Storyboard脚本工作流，直接重构了这个流程。

创作者输入剧本文本后，系统自动完成镜头拆解，提取关键角色、场景、道具并生成对应的资产卡片，同时为每个镜头准备基础提示词，整份剧本变成一张可编辑的故事板。

创作者可以在故事板中检查每个镜头的画面信息、调整顺序、绑定角色资产、标注情绪色彩，确认无误后再一键批量生成分镜图和视频片段。信息从剧本流向分镜，再流向生成器，整条链路单向传递，不会因为某个环节的修改引发全局返工。

这条链路让AI短剧的创作流程第一次真正接近了真实影视制作的工作方式。

有了角色、有了脚本，最后一个问题是镜头怎么拍，这也是AI短剧创作中最难用文字描述清楚的环节。两个人对话站在哪、打斗场景谁在前谁在后、多人围观的视角从哪里切入？这类空间关系靠提示词几乎是在和AI赌运气。

3D导演台解决的正是这个问题。创作者可以在导演台里用人体素模、基础几何模型、群众阵列等元素，把场景站位、人物关系、空间结构先"摆"出来，设置好拍摄机位后一键截图，再将截图作为参考图发送给AI生成。从"用文字猜测画面"，变成"先摆出来，再让AI照着生成"。

导演台支持多机位设置，同一个场景可以一次性截出正面、侧面、俯视、近景等多个角度，直接对应一组分镜所需的全部参考图，配合角色姿势控制和全景图上传，复杂场景的构图可控性大幅提升。

在这套系统性解决方案中，LibTV也优化了许多细节。例如在视频合成上，新增了多轨道，支持多条视频+音频轨道同时编辑，画中画、三分屏直接在画布里做完。也增加了变速功能，让视频的节奏感可控，卡点、慢动作不用导出再剪。

同时，也新增了镜组功能，能够将大量分镜图自动收进宫格并智能排列，一键导出带序号的4K大图。后期剪辑中，则增添了字幕擦除，可以直接在画布内清理素材上的水印与硬字幕。另外3D导演台中的720°全景图功能，支持将普通场景图一键转换，为导演台和视频生成提供背景素材。

LibTV将这些层层递进的功能叠在一起，围绕AI短剧完整生产链条构建了一个完整平台。

回到最开始的问题：AI脸为什么备受厌恶，但依旧占据主流？也许模型不够强是其中原因之一，但创作者也长期缺少一套能把"演员、脚本、镜头"三件事同时管住的工具，只能退而求其次，在流水线里找最稳妥的最优解。

LibTV这次更新的意义，正在于它把"抽一张好图"的偶然性，往"做一部短剧"的确定性上推了一步。

AI短剧正站在从"技术驱动"迈向"内容力竞争"的分水岭上，观众不再为技术本身买单，他们只为好内容买单。想要走向精品化，AI短剧必须在生产逻辑层面做出真正的改变。AI短剧的下一轮竞争，不会只是谁的模型更新更快，而是谁能把角色、镜头、节奏和流程真正稳定下来。