AI 表情包视频适合什么照片？哪些照片容易翻车

在 AI 表情包视频里，照片承担了大部分“选角”工作。提示词写得再巧、模板选得再对，如果参考照片模糊、脸太小或背光，模型就只能靠猜来补出一张脸。有时候猜得挺像，更多时候不像。

这篇文章讲的是怎么给渲染器提供更好的依据。RemakeMeme.video 最多接受两张照片，生成 4 秒、8 秒或 12 秒的短片；下面这些原则也适用于其他图生视频工具。目标不是拍一张多么精致的照片，而是让模型能读懂。

先记住“三分之一”规则

最有用的规则只有一条：脸至少占画面三分之一。如果是两个人，每个人都要满足这个比例。你上传一张反应类模板的照片时，头和肩膀应该占据画面相当大的部分，而不是把人放在一张很宽的风景照中间。

为什么脸的大小这么重要？因为脸的信息密度很高。模型需要看清眼型、眼距、嘴形、下颌线和发际线。脸太小，这些细节只剩几个像素；但模型仍然要生成一张会动的脸，于是它用自己学到的“一般人脸”来填补空白。脸漂就是从这种填补开始的。

紧一点的裁剪通常比漂亮的远景更有用。不要把头顶或下巴裁掉，也不要放大到画面发虚。反应类照片保留整张脸、一点脖子和肩膀就够了。

照亮脸，而不是照亮背景

最有用的是均匀的正面光。人物面向窗户，背后是一面普通的墙，通常比逆光夕阳更容易出好结果。模型需要看清眼睛，尤其是眼周。半张脸埋在阴影里，会让它在人物运动时同时猜两个问题。

尽量避免：

• 强逆光，把脸变成剪影。
• 很硬的侧光，让一只眼睛陷进深阴影。
• 手机闪光灯直打，脸被压平，还出现高光点。
• 彩色灯光改变肤色。
• 重度美颜，把雀斑、痣、疤痕和鼻型都磨掉。

保留一点真实质感是好事。不要把照片修成另一个人。模型努力匹配的是照片里的人，过度滤镜等于给它一个现实中不存在的目标。

清晰度和分辨率，比相机参数重要

照片上的脸必须清楚。上传前把照片放大，看看眼睛。如果睫毛和虹膜边缘已经糊成一团，这张图大概率太软了。如果放大后像水彩画，模型就只能猜。

尽量用手里质量最好的原图。截图、聊天软件保存的图片、从社交平台下载的压缩图，在手机小屏上看着没问题，被模型放大检查时就会露出短板。能发原文件就发原文件。

上传格式和大小限制，以页面上显示的要求为准，不要凭感觉猜。一般来说，高质量的 JPEG 或 PNG 导出比截图更可靠。也不要把模糊照片放大后指望“多出来的像素”带来细节：放大只是把软图变大，不会让它变清晰。

眼镜、帽子和遮挡物

眼镜和帽子不是绝对不能戴。如果它们本来就是人物造型的一部分，可以保留，但会增加不确定性。镜框可能挡住眼型，反光可能盖住眼睛，染色镜片则完全看不到眼神。宽帽檐可能在脸上投下阴影，或者把发际线切掉。

平时戴眼镜的人，可以优先选镜片透明、反光不强的照片。如果镜框很粗、眼睛几乎看不见，最好再准备一张不戴眼镜的清晰照片。戴帽子时，确认帽檐没有遮住眼睛、头顶也没有被裁掉。目标不是把所有个人特征都去掉，而是让这些特征看得见。

手挡脸、拿麦克风、戴口罩、围巾拉到鼻子、头发盖住一只眼睛，也是同样的道理。它们可以是梗的一部分，但会减少模型可用的信息。

构图要和模板匹配

不同模板需要不同数量的身体。反应类主要用脸和肩膀，舞蹈类需要足够身体来表现动作。

| 模板类型 | 建议的起始构图 | 要避免 | | ------------------ | -------------------- | ---------------------------------- | | 反应、表情或说话类 | 头肩照 | 大合影里一张很小的脸 | | 舞蹈或全身动作 | 全身或膝盖以上 | 在脚踝、膝盖或手腕处裁断 | | 双人互动 | 一人一张清晰照片 | 两个人都很小的合影 | | 宠物模板 | 宠物的脸和身体都清楚 | 动态模糊，或宠物半个身子藏在家具下 |

舞蹈类用全身或膝盖以上的照片，能给模型留出动作空间。尽量不要正好裁在关节上，否则模型得自己决定关节以下长什么样。反应类用头肩照，脸更大、更容易读。每个模板需要几张照片、什么构图，模板库里都有说明，选图前先看一眼。

一人一张，通常好过一张合影

产品最多接受两张照片。双人模板最稳妥的做法，通常是一人一张清晰照片，而不是一张合影。分开的照片能让每张脸拥有更多像素，也避免一个人离镜头更近、另一个人被挡住，或者两个人光线完全不同的情况。

合影失败的原因很固定：脸小、身体重叠、一个人清楚另一个人虚。模型还要判断哪张脸对应哪个身体，再在运动里保持两个身份稳定。对一张图来说，这个要求太高了。

如果你只有合影，可以裁出其中一个人，让脸和肩膀尽量大。不要上传一张人群照，指望模型自己挑中某个人。它很可能谁都不像。

背景和衣服

简单的背景能帮模型把主体和场景分开。纯色墙、安静的房间、没有杂物的一角、干净的空地都可以。人来人往的街道、满是招牌和海报的墙面、背景里还有其他脸，会给模型更多可以复制、改变或误生成的东西。

衣服的重要性低于脸，但对比清楚的轮廓更好读。尽量避开细密重复的图案、很大的标志和满是文字的 T 恤，除非你不在意它们变样。生成模型很擅长把很小的文字变成看起来很像字、实际上没有意义的符号。如果标志是笑点的一部分，成片出来后要检查，不要默认它一定保留原样。

宠物照片：眼睛、清晰度和授权

宠物照片遵循同样的原则。脸和眼睛要清楚，不要动态模糊，不要让宠物背对镜头或半个身子藏在沙发底下。平视拍摄通常比从上往下拍头顶更有用。

舞蹈或动作类可以用全身照，但脸仍然要有足够的细节来锚定身份。反应类用头肩构图往往就够了。只上传你有权使用的宠物；拿别人的宠物开玩笑之前，先问问主人。

为什么模糊照片会导致脸漂

模糊照片里并不存在一张“藏起来的清晰脸”，它只是信息更少。模型必须补上缺失的细节，而它补细节的依据，是自己对普通人脸的一般认识。所以一张模糊参考图，最后经常生成一个“有点像亲戚”的人。

运动会让问题更明显。静止照片里眼睛软一点，你可能注意不到；到了视频里，模型要在几十帧、不同角度和不同表情中保持同一双眼睛。依据越少，它即兴发挥得越多。这不是换一句提示词就一定能修好的 bug。提示词能描述场景，但不能凭空补上照片里没有的信息。

好照片能减少漂移，但不能完全消除。站点不保证任何照片都能做出百分之百像本人的结果；你给朋友或客户做视频时，也不要这样承诺。预期应该是：参考照片启发下的一段生成表演，而不是一张会动的证件照。

上传前的实用清单

按顺序检查：

1. 脸至少占画面三分之一。
2. 眼睛看得见、对得上焦，没有被反光盖住。
3. 光线均匀，脸不是逆光剪影。
4. 放大后依然清晰，不只是手机小图上看着清楚。
5. 用的是原图或高质量导出，不是截图的截图。
6. 没有重度美颜或改变五官的滤镜。
7. 构图符合模板：反应类用头肩，舞蹈类用全身或膝盖以上。
8. 双人模板尽量一人一张清晰照片，而不是合影。
9. 背景没有其他脸和抢眼的文字。
10. 衣服和配饰没有挡住脸或眼睛。
11. 你有权使用照片里的每个人和每只宠物。
12. 照片里没有未成年人或公开人物。

如果一张照片同时踩中好几条，不要指望用一大段提示词把它救回来。先换一张更好的照片，通常比反复渲染更省时间。

先拿 4 秒视频试水

4 秒视频扣 10 积分，8 秒扣 20，12 秒扣 30。第一次用某张照片、某个模板或某段提示词时，先做 4 秒测试。你能看出脸稳不稳、构图对不对、模型有没有理解场景，再把更多积分花在已经跑通的版本上。

渲染失败会自动退回积分；但渲染成功、只是你不喜欢，仍然算成功，会正常扣积分。给重试留一点预算，尤其是照片条件一般或动作幅度很大的模板。具体积分价格见定价页，完整操作流程见分步指南。

授权比构图更优先

一张技术上完美的照片，如果你没有使用权，仍然是错照片。只上传你有权使用的人和宠物。不要上传未成年人或公开人物的照片。站点的审核会检查文字、图片和成片，这类内容会被拒绝。

给朋友做视频，发布前先给本人看。给客户做视频，提前约定源照片和允许的用途。生成视频可以看起来非常真实，这正是为什么同意和标注不能省。

常见问题

双人模板可以用一张合影吗？

可以尝试，但通常一人一张更好。合影里每张脸分到的像素更少，还可能互相遮挡、光线不同。如果只有合影，就裁出单个人，让脸尽量大。

上传前要不要修图或加滤镜？

可以轻微调整曝光和裁剪，但不要重度美颜、磨皮或放大。这些操作会抹掉模型用来认人的细节。自然、清晰、光线均匀的照片更可靠。

照片很好，为什么脸还是会漂？

生成模型给出的是近似结果，不是扫描。它必须猜测看不到的部分，并在运动中保持这些部分一致。好照片能提高成功率，但站点不保证任何照片都能做到完美本人。