内容目录

AI画不好手，真的只是手的问题吗？从训练数据看AI的短板

AI画人手翻车的图，大概是过去两年传播最广的技术梗。六根手指、扭曲的关节、两只左手——这些画面让人发笑，也让人怀疑AI到底懂不懂”人体结构”。

但如果只把这件事当成”AI还不行”的证据，就浪费了一个特别好的观察窗口。手的问题，其实是理解生成模型的一把钥匙。

手为什么这么难

三个原因叠在一起。

第一，手在画面里占比小、结构密度高。
一只手在全身图里可能只占画面的2%，但这2%里要容纳五根手指、十几个关节、复杂的遮挡关系。对模型来说，这相当于在极小的区域里要求极高的结构精度——而它每一步操作的空间分辨率是有限的。

第二，手的姿态几乎没有”平均态”。
人脸的正面、侧脸、微笑，在训练数据里有数以十亿计的相似样本，模型能学到一个稳定的”人脸模板”。但手的姿态组合近乎无穷：抓、捏、指、握、交叉、半遮挡，每种姿态的样本量都远小于人脸。样本稀疏，模型的输出就往模糊的中间态漂移。

第三，训练数据里手的标注质量差。
大量素材里手是次要信息，标注人员通常只标”person”或”hand”，不会细标每根手指的位置。模型没有细粒度的监督信号，只能靠像素规律自己”猜”手指该在哪儿。

把”手”换成其他对象，同一套逻辑依然成立。AI的强项和弱项，可以概括成两条：

样本密度决定稳定度。
训练数据里出现得越多、越同质的东西，模型画得越稳（人脸的正面、城市天际线、咖啡杯、日落）。出现得越少、越异质的，越容易崩（罕见动物、特定器械、非常规视角、复杂交互）。

结构约束越强，AI越容易露怯。
完全自由发挥的画面（抽象背景、氛围光效）是AI的主场；有严格物理或解剖约束的画面（手、机械结构、文字排版、镜面反射）是它最容易出错的地方。这也是为什么
AI
生成的背景图可以直接用，但要生成”手指精确按在琴键上”的镜头，几乎必须靠实拍或后期修。

成熟团队的做法不是让模型”努力画对手”，而是在流程上规避：

一是构图规避。
分镜阶段就避开手部特写和复杂交互镜头，把手藏在画面外、藏在道具后、或者用景深虚化。这是最省钱的一招。

二是关键帧修补。
先生成整体画面，再单独对局部做重绘或合成——手部用实拍素材或三维模型贴上去，光的匹配交给后期调色。

三是分层生成。
把”人物”和”手部动作”拆成两层资产分别生成，最后合成。这样虽然多一道工序，但可控性高得多。

四是接受”AI感”作为风格。
有些创意干脆不去追求实拍级真实，把轻微的结构失真作为一种视觉语言——这在潮流短片里反而是加分项。

评估一个 AI广告制作
团队的水平，有个很直接的测试：让他们交付一支有人物手部动作的短片。

如果对方说”AI做不到”，说明他只停留在工具层；如果对方说”我们用手部特写避开了”，说明他有分镜意识；如果对方能说清楚”哪几帧用AI、哪几帧用实拍补、光怎么匹配”，这才是真正跑通过工程流程的团队。

AI画不好手，不是因为它”笨”，而是因为它的能力被训练数据的分布严格限定。认清这一点，比期待下一代模型解决一切更实用——在工具能力的边界内做创意，才是
AIGC制作公司
真正的专业度所在。

下一个值得观察的短板是文字排版和物理交互。这两块目前比手更脆弱，也更容易在交付时被甲方一眼看穿。