“看懂的前途一片AI漫剧了。”
最近，一股“教人类模仿AI表演”的热潮正在兴起，相关视频在抖音最高点赞过20万，在小红书也有不少点赞过10万的笔记。点开视频，博主们煞有介事地“教导”用户，如何才能让自己的表演“像是AI生成的”。
有人说，表现生气、嫌弃这些激烈情绪时一定要五官乱飞，表情越夸张越好；有人说，叫别人名字时永远不要真的喊对，而是要错那么一两个字；甚至还有博主出了一期“AI脸仿妆”，一眼望去，那熟悉的三角眼、法令纹、人机笑，几乎已经要让人生出恐怖谷效应……
正是因为现在的AI视频中，用力过猛的演技、含糊不清的台词、生硬到搞笑的转场等硬伤出现得太过频繁，才形成了一种能被总结出来的套路感，让观众有槽可吐。
而现在，终于有模型开始死磕AI脸、微表情，针对它进行专门的优化。
11月12日，百度旗下的全场景数字人平台百度一镜发布自研视频生成模型，并进行全平台能力升级，聚焦视频生成、微表情、以及实时交互。
视频生成、实时交互，熟悉AI产品的朋友并不陌生，但为什么要专门做一个微表情大模型呢？它到底可以运用到哪些现实场景？它结合视频Agent、视频模型、实时交互后，会有什么效果？
每秒8-9个微表情，
AI演技卷到新高度
我们直接看案例。
这是最新发布的文心一镜微表情大模型所生成的片段，男主很明显陷入了某种入魔的危险状态，警告女主不要靠近，而接下来的10秒内，AI生成的女主演技堪称“细致入微”。
先是被放狠话后，眼睛微微睁大，感到错愕与失神；紧接着意识到对面男主的危险处境，低下头，微微皱起眉，眼中泛起泪光，嘴唇抿紧，下巴也略微抖动，展现出心疼与隐忍；然后在泪水滑落的同时，女主眉头慢慢舒展，视线也不再游移；最后是抬起头，收敛起心疼，坚定选择帮助男主。
短短10秒，多次情绪变化。在这个过程中，人物五官没有再像我们开头提到的案例一样用力过猛，或者五官“各动各的”，而是组合表现了一种复杂的情绪，甚至连面部肌肉也会随着情绪起伏，产生细微的纹理变化。
也正因如此，即使整个过程中一句台词也没有，我们也能完全读懂剧情的走向。好的表演，有时候不需要台词的。
从技术角度来看，这种微表情大模型能够通过6个维度，200多个子维度去拆解人物的表情，不仅是神态、情绪、动作幅度，还会考虑不同镜头角度、光影氛围下的表演，甚至精细到眼睛睁多大、眉毛挑多高、嘴角是紧绷还是微张，以及这个表情从出现到消失用几帧。
多维度的拆解后，自然就不会再有夸张的瞪眼，或是两个嘴角用力向下撇这种单一的情绪表现。
目前，百度一镜微表情大模型每秒最多可以呈现8-9个微表情，下面是另一个表演案例：
这种表演，基本实现了AU级面部控制。AU就是Action Unit（面部动作单元），它是一套科学家开创的面部动作编码系统，它把人类表情拆解为44个可独立观察的肌肉运动单元，模型能控制的单元越多，每个单元的参数越细，表演就会更真实。
当然，光改进微表情还不够，做出打动观众的短漫剧，还需要从剧本到镜头的专业创作。
为此，百度一镜推出了短漫剧Studio。这是个一站式AI视频制作平台，剧本Agent可以直接生成剧本，导演Agent负责调度，视频模型负责基础生成，微表情模型让整个表演立体起来，而转绘技术则让一键变装变身更容易。
比如一段为可口可乐设计的营销广告，品牌方只需要输入一句自然语言需求，编剧Agent会首先决定“从伯牙子期抚琴”的典故切入，随后导演Agent会规划镜头结构，什么时候该推拉摇移，什么时候该给微表情特写，光影怎么打。
可以看到，左边基于文心一镜微表情大模型生成的片段，角色在发言时，其微微侧头表示疑惑的神态、动作，都显得更加灵动和自然。
而当剧情推进，导演以一种粗暴的方式解构伯牙抚琴时，伯牙脸上呈现出从震惊（双眼睁大），到茫然（眼神飘忽），再到审视（抬眼打量）的情绪层层递进。
上述底层能力配合起来，不仅可以一键出片，还能将本土剧本转绘成海外剧本，包括字幕和台词的翻译、人物的转绘、场景的本土化适配等，实现一键出海。
比如这段表演：贵族学院背景，男女主在天台发生争吵，从剧情冲突到服设，再到那首熟悉的AI漫剧BGM，都相当经典：
用短漫剧Studio就可以把它转绘成英文版，进行全方位本土化改造：
台词和字幕一比一转换，主角外表变成了经典的欧美女主脸和金发碧眼大帅哥模样，男主还换成了运动衣，在欧美校园食物链里，顶端一般都是校队王牌体育生，这种转绘相当符合当地文化了。此外，校园的场景陈设也在延续原有剧情走向的同时，更贴近欧美审美。
转绘成西班牙语版也不在话下，男女主立刻变成了拉美裔长相：
还有3D动漫风格的转绘，对比真人版的，显得更加清新美型。
而大家最关心的成本方面，目前视频生成价格最低能到0.2元/秒，生成速度上，能做到视频时长和生成耗时1：1，10秒的视频只用10秒就能生成。
给李彦宏做采访、帮罗永浩卖货，
数字人还能做什么？
除了短漫剧领域的应用，数字人实时互动也是重点应用领域。
比如在2026百度世界大会上，百度就拉来了自家的数字人IP形象希加加，让她对李彦宏做了一个采访。从两人相遇时的自然握手、寒暄，到访谈间颇有氛围感的背景陈设，再到双方自然真实的言行举止，都差点让人忘记这是一个数字人。
当受访人还在发言，画面切到数字人希加加时，她会始终保持专注倾听的神态，不仅眼神一直注视着发言人，还会伴随着发言的内容，给出自然、合乎逻辑的点头动作。希加加在发言表达时，眼神和眉毛会随着语气的抑扬顿挫流转和挑动，手势动作和发言内容十分契合。
事实上，百度一镜和播客APP小宇宙上的很多主播都有合作，比如“半拿铁”“虚实之间”，它正是结合了文心一镜实时互动模型和微表情模型的能力。
远不止视频播客访谈这一个场景。
现在，百度一镜的数字人还能在汽车4S店接待客人，可以多语言沟通，讲解看车，预约试驾，也能在客户随时打断追问后自然接话。延时低于2秒，全天在线。仅用一张照片或一段语音就能快速生成这种数字人。
面向日语市场时也是表情自然、接话流畅：
还能应用在教育场景，生成一段上课视频，还能配合相应的PPT：
而电商直播领域，更是百度一镜的老本行。
它的前身，本就是电商直播工具“慧播星”，在去年618期间，罗永浩就是在其技术支持下，尝试了自己的数字人直播带货首秀，连续直播长达6个小时，最终带货超5500万元，吸引超1300万人次观看。
而现在，百度一镜也对这种传统能力进行了升级，推出了一个更高性价比的版本，将开播的成本降到了每月最低600元，即使是像罗永浩直播这种效果，也已经降到了千元级别成本。
目前，百度一镜数字人已经进入了特步、斯凯奇、索邦家居等品牌的直播带货流程中。根据百度官方数据，两家国际运动品牌的海外直播间，GMV均提升40%以上，转化率均提升60%以上。
回过头来，再看文章开头那批教人“演得像AI”的博主，会有种奇妙的错位：当人们还在从潮水一般的AI视频中总结出通病，并将其转换成玩梗套路时，百度数字人已经从单纯的拟人化工具中跳了出来。
它不再是单纯地卷“怎么才能更像人”，也不是很多人刻板印象里的念稿“虚拟主播”。而是把Agent、表情控制、实时交互等技术结合起来，运用到更多场景中——从短漫剧的剧本生成到出海转绘，从电商直播的实时互动到4S店的全天候接待。数字人已经开始逐渐嵌入到千行百业的业务流中，从概念变成了生产力本身。
