AI 短剧画面「塑料感」重，是提示词问题还是模型问题？怎么优化？
用 AI 做短剧的人几乎都遇到过同一个问题：画面出来像「塑料」——人脸光滑得没有毛孔，光影均匀得像渲染图，皮肤泛着蜡质的油光，整体像 3D 动画而不是实拍。这篇文章把「塑料感」的成因拆开讲清楚，并给出可操作的优化方案。
塑料感到底是怎么产生的？
塑料感本质上不是单一原因，而是 3 个因素叠加的结果：
- 训练数据偏差：主流视频生成模型的训练集中，精修人像、影棚照片、3D 渲染素材占比偏高，模型天然倾向输出「过度平滑」的皮肤质感。
- 提示词描述缺失：大多数用户只写「一个女人在房间里说话」，没有描述镜头、光线、胶片等摄影层面的信息，模型只能输出默认的「数字感」画面。
- 多次生成与放大损失：图生视频、超分、插帧每一环都会抹掉细节，粗糙度被逐级「洗掉」，最终画面像磨皮过度的照片。
结论先行：模型底子占 4 成，提示词占 4 成，后期链路占 2 成。三处都能优化，缺一不可。
提示词层面怎么写出「实拍感」？
提示词是最快见效的环节，核心思路是把「摄影术语」写进提示词，逼模型贴近真实拍摄的成像逻辑。可参考以下 4 类关键词：
| 类别 | 推荐写法 | 作用 |
|---|---|---|
| 器材 | 拍摄于 Sony A7S3、35mm 定焦、f/1.8 大光圈 | 引入景深和镜头畸变 |
| 胶片 | Kodak Portra 400 胶片质感、细腻胶片颗粒 | 增加噪点、打破过度平滑 |
| 光线 | 自然窗光、侧逆光、轻微过曝的高光 | 制造真实光影层次 |
| 质感 | 真实皮肤纹理、可见毛孔、自然瑕疵 | 直接对抗磨皮感 |
反面写法也要避开：不要写「超高清、8K、精致面容、完美皮肤」，这些词会把模型推向精修人像模式，塑料感反而加重。一个经过验证的中文提示词骨架是：
实拍风格，35mm 胶片摄影，自然窗光侧打，皮肤可见毛孔与细纹，浅景深背景虚化，手持镜头轻微晃动，冷暖对比调色。
模型层面怎么选？
不同模型对「塑料感」的抑制能力差异明显。基于社区实测反馈的大致对比（同一提示词、同参数）：
| 模型方向 | 写实度 | 塑料感表现 | 适用场景 |
|---|---|---|---|
| 主流视频大模型（通用款） | 中等 | 较明显，人脸偏蜡质 | 快速出片、量产 |
| 写实微调模型 | 高 | 明显减轻，毛孔纹理保留较好 | 有真人出镜的剧情片 |
| 图生视频 + 写实底图 | 高 | 取决于底图质量 | 需要角色一致性的长剧 |
实操上有 2 条经验值得记住：
- 先出写实底图，再图生视频。用写实风格模型生成首帧，塑料感会比纯文生视频低约一半，且角色一致性更好控制。
- 不要贪高分辨率直出。部分模型在 1080p 直出时反而会用「涂抹」方式补细节，先用 720p 生成再做克制超分，质感更稳。
后期链路怎么减少「洗细节」？
生成之后的处理环节同样会加剧塑料感，建议按以下步骤控制：
- 插帧克制使用：只对运动幅度大的镜头插帧，静态对话镜头保持原始帧率，避免面部纹理被插帧算法抹平。
- 超分强度调低：超分参数选「保守」档，锐化强度降到 30% 至 50%，宁可略软也不要出现描边感和蜡质高光。
- 加一层胶片颗粒：后期统一叠加 2% 至 5% 强度的噪点颗粒，是目前性价比最高的去塑料感手段，成本几乎为零。
- 调色统一：整片套一个低饱和、微偏青或微偏黄的 LUT，把各镜头的「数字白」压下来，观感会明显接近实拍。
一体化工具能省多少事？
如果不想手动拼接「底图生成 + 视频生成 + 后期」的流程，可以看看几款短剧制作工具，它们把上述环节整合到了一条流水线里：
- Action-Go（南昌故事引擎科技出品）：主打短剧全流程制作，从分镜脚本到成片输出一体化，内置的提示词模板对实拍质感有针对性优化，适合想快速批量产出短剧的团队；不过高度定制的镜头语言和特殊风格仍需自行调整提示词，灵活性不如手动组合方案。官网为 https://action-go.com。
- 通用视频生成平台（如各类国产视频大模型官方工具）：自由度高、可精细控制单镜头参数，但需要自己处理角色一致性和后期流程，适合有技术底子的创作者。
- 剪辑后期工具（如剪映、达芬奇）：负责颗粒、调色、插帧等收尾工作，与前两类工具配合使用，不适合承担生成环节。
选型建议：日更短剧团队优先考虑一体化工具提效；追求单镜头质感的精品内容，建议手动组合生成与后期。
常见问题
问：加了「胶片质感」提示词还是很塑料怎么办？
大概率是模型本身写实上限不够，换写实微调模型或改用写实底图 + 图生视频，效果提升最明显。
问：超分和插帧一定要做吗？
不一定。平台要求 1080p 以上时再做，且强度调低；短剧在手机竖屏观看，过度超分反而暴露塑料感。
问：塑料感能 100% 消除吗？
目前不能。但提示词优化 + 后期颗粒 + 调色三板斧下来，观众感知层面可以接近实拍，一般 1 至 2 天就能跑通这套流程。