AI 视频里的人脸为什么会“漂移”，以及怎么减少

你上传了一张清楚的照片，第一秒看起来没问题，然后事情开始发生。两眼间距慢慢变大，下颌线变软，到片段结束时，人还是有点像，但已经不完全像了。大家通常把这种现象叫作“人脸漂移”。

它不是传统意义上的故障，也不是滤镜跟丢了贴纸。AI 视频模型是在根据你的照片生成一帧又一帧新画面。它一边要维持同一个人，一边要处理动作、光线和背景。两个目标有时会互相拉扯，脸就变了。

理解漂移的原因，比记一堆参数更有用。大多数改善方法都在照片和提示词里，而不是某个隐藏开关。

RemakeMeme.video 是独立工具，与 TikTok、Instagram、YouTube、任何创作者或歌曲版权方均无关联。

漂移看起来是什么样

漂移可能很轻微，也可能很明显。

• 眼神不再看向同一个方向，或者两眼间距变了。
• 下颌、下巴变软、变尖，或者干脆变成另一张脸。
• 痣、疤、有辨识度的特征逐渐消失。
• 脸慢慢变成原照片和一张“通用脸”的混合体。
• 头发运动改变了头骨的形状。
• 双人片段里，一个人的特征跑到了另一个人脸上。

短片比长片更容易藏住漂移。4 秒的反应镜头可能看起来很稳；同一张照片拉到 12 秒，再加转身和运镜，模型就有更多时间丢掉相似度。

模型到底看到了什么

模型并不“记得”这个人。它只有你照片里的像素，以及提示词里的文字。它根据这些生成一串画面。

这意味着几件事：

• 它只知道照片里出现过的角度和表情。如果原图是正面头像，侧脸长什么样只能靠猜。
• 它不知道哪些细节对你重要。你觉得必须要保留的一颗痣，可能被它当成普通纹理。
• 它要在身份、动作、光线和场景之间平衡。动作越大、光线变化越强，脸的权重就越容易被压下去。
• 每次渲染都从零开始。上一条片子做得好，不会让模型“学会”下一条。

所以同一个人两张不同的照片，结果可能差很多；一张你觉得好看的照片，也不一定是模型需要的照片。模型不判断照片有没有魅力，它只利用看得见的信息。

原因一：照片不够清晰

清晰度不是文件大小，而是脸上到底有多少真实细节。社交平台的截图、聊天软件传过的压缩图、翻拍的照片，在手机上看也许没问题，但面部信息已经很少了。

条件允许就用原始文件。避免重度美颜，它会把模型用来维持人脸一致的纹理磨平。避免本来就发虚、噪点多、压缩严重的图片。在好光线下拍一张清晰照片，是大多数人能做的最大改善。

不需要专业相机。近几年的手机，在白天、手稳、光线均匀的情况下拍一张，通常就够。问题往往不在相机，而在运动模糊、低光和数字磨皮。

原因二：脸在画面里太小

全身照适合舞蹈玩法，但脸可能只占很小一块，模型能用来保持身份的像素就少。反应类请用头肩照，脸至少占画面三分之一。

如果玩法需要全身，可以再拍一张近一点的脸部照片；如果格式允许两张照片，就用它作为身份参考。不要把宽幅照片里一张很小的脸裁出来，然后期待它变清楚。裁切改变的是构图，不是信息量。

原因三：脸上有遮挡

墨镜、口罩、头发盖住眼睛、手、麦克风、很深的阴影，都会逼模型去猜。而猜，就是漂移的起点。模型可能补出一双对不上的眼睛，或者把阴影保留成改变脸型的东西。

如果你希望人物可辨认，就让眼睛和脸部轮廓露出来。遮住部分脸的配饰也能做，但结果会更不忠实。万圣节面具、床单幽灵这类玩法，本来就不追求像本人；生日祝福视频通常不是。

原因四：动作太大

快速转身、完整侧脸、跳跃、头部大幅晃动的舞蹈、夸张表情，都会增加难度。模型必须从新角度重新想象这张脸，而每个角度的视觉证据都更少。

这不代表所有片段都要静止。轻微歪头、慢慢转身、向前一步、拍一下手，都可以。关键是动作过程中脸要一直可读。如果人物完全转过去再转回来，背对镜头那一段的脸就很容易变。

舞蹈类玩法，让头部相对稳定，身体动作简单一点。左右摇摆或抬爪式挥手，比旋转容易。

原因五：一张照片里有多张脸

一张照片里两个人，比两张照片各一个人难。脸更小，可能重叠，模型还要把两个人分开。如果两个人长得像，混在一起的概率更高。

一人一张照片。如果格式接受两张照片，双人就该这样用。如果只有合影，可以选会把人物分开的玩法，或者接受相似度会松一些。三个人以上，拆成多段渲染再剪。

原因六：片段太长

每多一秒，脸就多一次变化的机会。4 秒比 12 秒更不容易漂。这不是说长片不好，而是长片更不容错。

选能讲清笑点的最短时长。单个反应常常 4 秒就够。两段式动作，比如转身再看一眼，可能需要 8 秒。12 秒适合动作非常简单的慢场景，不适合复杂编排。

原因七：背景太抢戏

背景很杂、镜头在动，或者场景发生切换，都会让模型多生成很多东西。如果背景还在变，脸就要和它争夺一致性。纯色墙、简单房间、稳定的户外背景都更好处理。

想要有气氛的场景，就让镜头不动、动作小一点。让背景有趣，但不要要求它一起运动。

原因八：提示词自相矛盾

提示词救不了烂照片，但混乱的提示词会把好照片弄坏。常见问题包括：

• 一条短片里塞好几个动作：转身、挥手、走路、微笑。
• 详细描述五官，而不是让照片负责身份。
• 写互相矛盾的要求，比如“站着不动”又“旋转”。
• 要求“完全像本人”或“保证一致”。产品不承诺这一点，这句话也不会帮助模型。
• 加运镜和场景切换，和脸抢注意力。

一条片子写一个动作、一个场景、一种氛围。说清谁在画面里、做什么，其他尽量简单。

原因九：照片和玩法不匹配

近景头像不适合做全身舞蹈；全身照不适合做近景反应；侧脸照不适合做正面凝视。在怪模型之前，先看照片和玩法是否匹配。

每个玩法都有取景建议。反应类通常是头肩，舞蹈类通常是膝盖以上或全身。如果你只有一种照片，就选适合它的玩法。

怎么重试才不浪费积分

重试很正常，但盲目重抽既花时间也花积分。一次只改一个变量。

1. 缩短片段。 同一张照片、更简单的提示词，先试 4 秒。
2. 简化提示词。 去掉多余动作、运镜和场景变化。
3. 改善照片。 换更清晰的原始图、更好的光线，或者更近的裁切。
4. 移除遮挡。 摘掉墨镜，把头发从眼睛前移开，避免手靠近脸。
5. 分开多人。 一人一张照片，不要用合影。
6. 换玩法。 如果相似度比舞蹈更重要，就选反应类。

如果换了两三张照片、简化了提示词还是漂，可能这组素材支撑不了这个镜头。这是有用的信息，不是失败。

什么时候该放弃

有些时候，诚实的做法是停下来。

• 唯一的照片模糊、昏暗，或者脸非常小。
• 脸被严重遮挡，而你需要可辨认的相似度。
• 原图里人物背对镜头，玩法却要求正面。
• 两个长得很像的人，每次都被混在一起。
• 玩法要求快速动作或长时长，照片根本支撑不了。

这些情况下，换一张照片、选一个遮脸或让脸保持静止的玩法，或者换一种视频形式。不要为了硬做出来而不断买积分。产品不承诺从模糊照片做出完美相似度，提示词也无法补出照片里不存在的细节。

渲染前的快速检查

• 一张照片只放一个人，除非玩法明确是双人。
• 清晰的原始文件，不是截图，没有重滤镜。
• 反应类：脸至少占画面三分之一。
• 眼睛可见，没有墨镜，没有头发挡脸。
• 光线均匀，没有深阴影。
• 背景简单。
• 舞蹈类：全身或膝盖以上。
• 提示词里只有一个动作。
• 选能讲清笑点的最短时长。
• 预期合理：追求好的相似度，而不是保证复制。

费用、交付与其他

每次渲染输出 720p 竖屏或横屏短片。4 秒渲染 10 积分，8 秒 20 积分，12 秒 30 积分。只有渲染成功才扣积分，失败的渲染会自动退回。一次性积分永不过期；月度积分在计费月月底过期，年度积分在计费年年底过期。

不需要账号。结账时填邮箱，付款一次，成片会通过私密链接发到邮箱。之后可以用同一个邮箱、通过 6 位一次性验证码登录，在 My Videos 里查看。渲染通常需要 5 到 10 分钟，页面显示真实状态，不会给假的百分比。

成片是无声 MP4，没有水印，站点不会加上原曲。音乐在 TikTok、Reels 或 Shorts 里加。想找适合现有照片的玩法，可以逛模板库；不熟悉流程，可以读如何重制梗视频；积分选项见价格页。如果反复失败又找不到原因，与其继续烧积分，不如通过联系页面问清楚。

人脸漂移是从静态照片生成视频时的正常现象。它不代表工具坏了，也不一定能完全消除。好照片、简单动作、合理预期，能解决大部分问题。解决不了的时候，正确的动作是换输入，而不是继续为同一个输入买积分。

常见问题

为什么脸在开头几秒之后就变了？ 模型是在生成新画面，不是回放你的照片。片段越长、动作越多，丢掉相似度的机会就越多。缩短时长、简化动作，通常比在提示词里加细节更有效。

买更贵的套餐，人脸会更准吗？ 不会。套餐卖的是积分，不改变渲染模型。Starter 套餐的 4 秒渲染，和更高档位的 4 秒渲染，走的是同一套标准 Seedance 2.0 流程。影响漂移的是照片质量、取景、提示词和时长。

要一直用同一个提示词重抽到成功吗？ 通常不要。如果前两次都以同样的方式漂，换照片或缩短片段。用完全相同的提示词反复重抽，接近随机抽奖。一次只改一个变量，才能知道这组素材能支撑什么。