成都自媒体人分享：AI视频生成口播稿，如何让数字人表情自然？
天下午，我再某东下单的补光灯到了，拆快递的时候还在想，这玩意儿到底能不能解决数字，人眼神发飘的问题哈。
结果装上一试，嘿，还真有点用。
不过今天不聊补光灯，聊聊最近后台被问爆的少数个事儿——AI视频生成口播稿，数字人表情怎么才能不像个假人？
别嫌麻烦，这一步真的关键，多吃了一周的苦
我踩这个坑踩了差不多俩月。
刚开始用某款数字人工具，生成出来的口播视频，那表情简直是灾难。
眼睛瞪着，嘴角像被两根线提着，说话的时候头倒是会晃，但眼神完全是死的。
我拿给一个做短视频的朋友看，他直接说“你这像被绑架了”。
气得我啊，当天晚上就翻来覆去睡不着，凌晨两点还在翻各种教程，结果大部分都是教你调参数，什么“自然度调高一点”、“表情幅度设置成XX”，屁用没有。
参数拉满了，出来的效果是还尴尬。
后来我发现，问题根本不在参数上，在稿子上。
你想啊，数字人的表情是AI根据你输入的文案内容去猜的。
你给它的稿子是那种正经八百的书面语，什么“众所周知”、“总而言之”，它上哪儿知道该配什么表情去？
它只能瞎蒙。
我试过把一篇很正式的产品介绍稿丢进去，出来的数字人全程面无表情，偶尔挤出一个假笑，还跟台词对不上，那个违和感，绝绝子（这个词我平时不用，但今天必须用一下）。
然后我就换了个思路。
我把自己平时在镜头前说话的方式，完完全全靠大白话写出来。
就那种，你会跟朋友安利东西的语气，带点口头禅，带点“你们知道吗”、“这个东西真的绝了”。
而且我在写稿的时候，会刻意在句子中间加上情绪提示词，比如“（有点惊讶）”、“（忍不住笑）”、“（摊手）”。
你别说，还真管用。
AI读到括号里的提示，表情就跟着变了。
虽然偶尔还是会慢半拍，但至少不是死鱼眼了。
而且我发现一个特别逗的事，就是语速。
你把稿子里的标点符号改一改，逗号多放几个，句子短一点，数字人的表情自然度能提升好几档。
因为它有更多时间去“反应”和“思考”那句台词的情绪。
之前我写的稿子，一句话恨不得三十个字不带喘气的，AI念都念不过来，哪还有功夫做表情？
后来我把每句话控制在差不多十个字以内，断句断得贼碎，效果立马不一样了。
对了，昨天补光灯到货的时候，我家猫正好跳上桌子，把那个柔光箱给碰倒了，吓我一跳。这跟主题没关系，就是想到了顺便提一嘴。
数字人表情自然的关键，不是调参数，而是喂给它“人话”和“情绪提示”。
就这么简单。
你把它当成一个刚入行的新手演员，你得告诉它哪儿该笑，哪儿该皱眉，它才能给你演出来。
你只丢给它一段干巴巴的文案，它就只能给你干巴巴的表演。
我后来又把这套方法试了另外两三个工具，像某剪映的数字人、某闪剪，基本都适用。
但有一个细节要注意，就是提示词别写太复杂。
我之前试过写“（此时内心充满喜悦但外表尽量克制并带有一丝羞涩）”，结果AI直接卡壳了，表情变得特别扭曲，像抽筋似的。
后来改成“（偷笑）”，效果反而好。
所以提示词越简单越好，就两三个字，最好是一个动词加一个情绪状态。
还有一个坑，就是别用太长的稿子。
我一开始贪心，想一次生成个两三分钟的完整视频。
结果数字人讲到后半段，表情就开始崩，眼神涣散，嘴型也对不上了。
后来我改成一段一段生成，每段就三十秒左右，然后在剪辑软件里拼起来。
虽然麻烦点，但至少每一段的情绪都是连贯的，看起来没那么假。
我甚至试过在稿子里加一些语气词，比如“嗯”、“啊”、“就是”、“那个……”，数字人居然会眨眼睛了。
你说神奇不神奇？
这可能是因为语气词给了它一个停顿的时间，它借那个空隙做出了一点微表情。
反正我现在写口播稿，以经习惯了那种口语化的节奏，自己读起来也顺，生成出来的数字人看着就自然多了。
所以你要问我具体怎么做，我就给你说几个我一直在用的土办法，不算多高深，但真实用。
前几天有个同行问我，说用了我的方法还是不行，我让他把稿子发我看看，结果他写的是“我们的产品采用了先进的纳米级涂层技术，能有效抵御日常刮擦”。
我当时就乐了，这玩意儿你让真人念都念不出表情来，AI能给它整出啥样？
后来我帮他改成了“你们平时手机放包里，跟钥匙磨来磨去，怕不怕？
我就怕，但我这个壳，真不怕。
”那效果，立马就对了。
反正就是，别把数字人当人工智能，把它当成一个特较真的模仿者。你给它什么，它就还给你什么。你给它教科书，它就给你念课文的表情，你给它段子，它就有讲段子的脸。这一条想通了，基本就告别僵尸脸了。
现在我做口播视频，基本三四分钟就能搞定一段，生成完稍微剪一下就能发。
虽然跟真人出镜还是有差距，但糊弄一下短视频平台的算法和大部分观众，足够了。
最后提一句，我昨天那猫把补光灯碰倒之后，我换了个角度重新架好，发现光线从侧面打过来，数字人脸上的阴影层次更好看了，这算意外收获吧。
就这样，想到哪儿写到哪儿，希望对你有用。
