世界杯打到现在，球衣这个类目的带货需求涨得很明显。
很多卖球衣、卖周边的卖家都想趁这波热点出一批带货视频，但找真人模特拍，从约时间到出片少说几天，而世界杯一个月就踢完了，完全等不起啊。
所以我们拿这个场景测了一条用 GPT Image2 出分镜、Seedance 2.0 跑出来的视频：一个女生站在球衣店里举着墨西哥队球衣讲解，后面镜头展示挂满货架的球衣和满墙的足球。
这条视频全程没有真人出镜，分辨率不高，乍一看跟手机随手拍的探店素材没什么区别。人物的表情和动作过关、而且背景也不是死的，墙上电视机甚至还放着比赛。
TikTok 这几年，老外对 AI 视频很是抵触，一眼看出直接划走，而且评论区还经常有人专门点出来，视频的互动直接就废了。平台算法也不傻，完播率低，自然不给流量，视频在分发这一步就先输了，更别说带货了。
我们想明白了一件事：AI 视频「没有真人感」的问题，根本原因不在于模型，用最强的 Seedance 2.0 跑出来的假人比比皆是，而是要在提示词里有没有写「不完美」。
我们把这套「写不完美」的方法拆成了八个维度，每一个都配了能直接抄的提示词公式。
01
脸部、肢体------给过程，不给顶点
AI 生成的表情，有时候夸张到连我都绷不住。让它演生气，给你一张已经生气到顶出特效的脸；让它演高兴，可以高兴到像范进中举一样失心疯般的狂喜。。所以面部动作描述字数越细越好，至少包含眼、嘴、鼻、颈几个部位。
划重点
提示词公式如下：
Plain Text
脸部：[眼部动作] + [嘴部动作] + [鼻/颈/肩动作] + [情绪序列方向]
举个例子，比如描述委屈，可以写：眼眶轻微泛红，下嘴唇不自觉向内抿，鼻翼有轻微颤动，呼吸节奏变短促；描述慌张，可以写眼神快速横扫左右，喉结明显吞咽，手指无意识收紧又松开等等。
肢体动作也是一样的问题。AI 默认简化动作，人物做主要动作时身体是静止的，而真实的人同时会有大量无意识的冗余动作。
划重点
提示词公式如下：
Plain Text
肢体：[主要动作] + [同步细节动作] + [衣物/发丝物理反应]
我们开头演示的这条视频，女生低头看球衣再抬眼对镜头这个动作，没有一帧是定格的，因为提示词没有只写「她看着球衣」，而是写了完整的反应：先低头确认领口细节，停顿半秒，再抬眼。
02
皮肤------把瑕疵分层写进去
接下来就是人物的皮肤，也是被很多人诟病的一点，AI生成的人脸毛孔、细纹、肤色不均全被磨掉了，跟蜡像馆里的假人没什么区别。
所以解法是把瑕疵主动写进提示词，分四层写。
1 肤质纹理
Plain Text
visible pores, subtle skin texture, fine lines, uneven skin tone, natural skin variation 可见毛孔、细微皮肤纹理、自然细纹、肤色不均、自然肤色变化
1 肤色血色
Plain Text
natural flush, capillary redness, blood flow variation 自然潮红、毛细血管红、肤色血色变化
1 含水含油状态
Plain Text
sweat beads, skin moisture, dry cracked lips, oily T-zone 细密汗珠、皮肤水润感、嘴唇干裂起皮、T区油光
1 光线跟皮肤的互动
Plain Text
subsurface scattering, skin translucency, soft highlight rolloff, natural shadow transition 皮肤次表面散射、皮肤透光感、高光自然过渡、阴影自然衔接
四层都写了，建议加一句禁止模型做的负面提示词，以防往回磨皮。
Plain Text
airbrushed, smooth skin, plastic skin, wax figure, cartoon face, doll-like, oversmoothed, beauty filter, flat lighting, porcelain skin 喷枪磨皮、过度光滑皮肤、塑料感皮肤、蜡像感、卡通脸、娃娃感、过度平滑、美颜滤镜、平光无层次、陶瓷肌
还有一个技巧：人物不说话，真人感反而更容易做出来。比如我们跑了一个女生坐在咖啡馆，全程没有一句台词。镜头推近放大脸部细节，你甚至可以看到脸上的粗毛孔、黑眼圈、鼻翼泛红，保留 20% 不完美，比磨到 100% 干净更像真人。
03
外表细节------当下真实处境很重要
什么叫当下的处境嘞？比如角色处境是凌晨三点还在赶方案的人，那对应的外表细节是领口第一颗扣子松开，头发有几缕散落，眼底青黑，桌上有个空咖啡杯。
看懂的都哭了。。
划重点
提示词公式就是这么简单：
Plain Text
[角色处境] → [对应的毛发/衣物/面部状态]
再多举两个例子：
角色处境
外表细节
第一次面试的应届生
西装有一处细微折痕，鞋子过于锃亮，手里攥着简历边角被捏皱
在菜市场讨价还价的阿姨
袖口挽起，手上有菜汁，布袋有点脏，发丝有几根不服帖
处境定了，外表细节自然就对了。
04
情绪留白------演一半比演到顶更真实
适当的情绪留白，才是人真实的生活状态。AI演情绪的毛病就是说来就来，中间过程全跳过，所以这一部分提示词得给它补上。
提示词公式可以用时间线：
Plain Text
0-1s：触发事件 1-3s：情绪反应第一层（身体先感知，还没完全表达） 3-5s：情绪反应第二层（面部开始失控，但仍有克制）
按这条时间线下写，「正在大哭」就变成「眼眶已经红了，嘴唇在轻微抖，但还在强撑着说话」。这样 AI 才学得会、观众看起来也不会被突如其来的情绪给尬到。
05
运镜------不要只会固定镜头
镜头要根据情绪选运动方式，每一个镜头要清楚为什么动，而不是为了炫技。
Plain Text
[起始景别] + [运镜方式+速度] + [落点/停留位置] + [人物在运镜过程中的动作]
并且不只是动作伴随才有运镜，情绪也可以有运镜加持，比如最常见的压迫感，就用中景急速推进至眼部极近景。
这基础的五个维度都围绕人物，我们团队成员照着复刻了一条经典爆款：一个男生向上颠球，球飞出画面，镜头也随着向上移动，结果一件球衣从天而降落在身上。
表情过渡这块还是不错的，找球时的疑惑、抬头挡光时眯眼、球衣穿上身的真实反应。要挑毛病的话，这条视频背景太整洁？换个景拍的糙点才能跟人设对上。
以上是人物篇的五个基础维度，接下来是环境篇的三个维度。
06
光源------画面太平？怎么打光自己给
AI打光太平是通病，跟手机自动美颜模式没什么区别，所以要告诉它光从哪里来。
划重点
提示词公式如下：
Plain Text
[光源位置] + [光源类型] + [光线强度/对比描述]
公式里的光源位置和类型，照场景往里填就行：比如人物刻画用侧光、伦勃朗光（45°斜上方）、轮廓光；情绪氛围用烛光、暖黄台灯、蓝调时刻；自然写实用清晨窗边柔光、午后侧逆光、阴天漫射光。
07
景深与前景------没有纵深，人物像贴在背景上
光定了方向，接下来要解决前后关系------前景、中景、背景分开写，画面才有空间感。
划重点
提示词公式如下：
Plain Text
前景虚化遮挡物 + 中景主体清晰 + 背景极致虚化
景深这块要用到光圈值，这是摄影里的概念。光圈数字越小，景深越浅，背景越虚化；数字越大，背景越清晰。比如极浅景深用 f/1.2-f/1.8，背景完全虚化；浅景深用 f/2.0-f/2.8，背景虚化但轮廓可辨；中等景深用 f/4.0-f/5.6，背景略虚但清晰。
所以可以写进提示词，让模型照着模拟这个镜头效果就行。模板如下：
Plain Text
写实摄影风格，ARRI Alexa 拍摄质感，35mm 胶片颗粒感， 自然光为主光源，浅景深（f/1.8），前景虚化， 皮肤纹理可见，轻微运动模糊，构图不刻意， 无美颜滤镜，无过度磨皮，无 AI 绘画感
08
环境干扰与物理规律------背景不能是死的
比如我们开头球衣店那条视频，背景那台电视画面是一直在动的：一个进攻镜头切到另一个机位，再切到第三个角度，不知道还以为真的在放世界杯。
回去翻提示词才发现，这块只写了一句「墙面悬挂液晶电视播放足球赛事」，并没有专门交代运镜，剩下全是模型自己处理出来的。这反而提醒了：背景里这种会动的物体，值得单独拎出来写清楚，而不是交给运气。
划重点
提示词公式
Plain Text
[主体动作] + [环境干扰元素] + [物理规律描述]
环境干扰可以是下班路上，身后有人骑车经过，车铃声让人物微微侧头。物理规律要管住头发、衣服、液体，比如衣服走路时滞后于身体，所有物体都要有支撑，不能无支撑悬浮。
环境这三个维度，换一条更日常的片子看更清楚：一个女生在超市花区选花，整个过程十秒。
这条最值钱的是空间没有偷懒：背景的货架、顾客、远处的窗和停在外面的车都还在，而且这些顾客是会走动的、有自己的状态。近大远小的关系也对，前景花枝最大，中景变虚，再往后的景越远越小越糊，符合真实空间该有的样子。光线也自然，不是那种精致的影棚白。
09
邪修风格------不强调人物，强调氛围
还有更邪修的方法：不跟 AI 较劲了，直接换一种不要求高清可信度的氛围。
比如行车记录仪、监控、老式DV、手机偷拍等等，这些画面观众本来就不会拿电影镜头的标准去审视------糊、抖、噪点、曝光不稳，本身就是这类媒介该有的样子。
我们用这个思路跑了一条之前法国世界杯看台的录像：一个男人站在看台上，专注比赛，全程没有正脸特写，没有台词。画面偶尔有闪光灯曝光、手持抖动，前景时不时被别人挥动的手臂和围巾挡一下。
看完记住的不是这个人长什么样，而是现场的氛围，看得我都噪了。
划重点
如果说前八个是正面硬刚，第九个是绕开，那真正难的部分才开始。因为一条视频哪里不对，要先看出来，所谓的提示词公式才有地方用。
我们现在看一条新生成的视频，大概是这个顺序扫一遍：先看脸，定格感重不重；再看皮肤，是不是太磨皮；再看背景，死不死、其他物体有没有违反物理；最后看光，方向对不对。哪个地方让你觉得怪怪的，问题基本就出在那个维度。
如果玩邪修，标准更简单，直接降低观众对真人感的要求（因为视频根本不强调人物啊混蛋！）
真人感这关过了，AI 数字人才真的能在 TikTok 上帮你带货。