AI换脸与数字替身：身份一致性的三条技术路线
让同一个人出现在十个不同场景里——换装、换景、换语言——是广告和短视频里最硬的需求之一。但”每张脸都像，又都不完全像”的尴尬经常出现：五官对了，气质不对；单帧像了，动起来又变了。目前业界主要有三条技术路线，各自解决”身份一致性”的方式完全不同。
第一步：路线一，表演驱动——把脸”贴”到真人表演上
第一条路线不直接生成人脸，而是找一个真人演员完成表演，再用模型把目标身份的脸迁移过去：模型逐帧分析演员的表情、头部姿态和口型，把目标脸的五官”扭”成同样的状态再贴回去。它的优势是表演质量有真人兜底，动态一致性天然好；短板是依赖表演素材，且大幅度侧脸、遮挡时贴回的边缘容易露馅。适合对表演要求高的成片级制作。
第二步：路线二，身份嵌入——把一张脸变成一串向量
第二条路线从”生成”入手：先用一个人脸识别编码器把参考照片压缩成一串”身份向量”，在扩散模型生成时把这条向量注入进去，相当于告诉模型”照着这个人的长相画”。这类方法一张照片就能用，出图灵活、场景自由；代价是身份还原度有上限——像不像取决于向量的信息量，侧脸特征、眼型这类细节经常被”平均化”，同一身份的多张图之间也会有微妙差异。适合平面素材和预演。
第三步：路线三，定制训练——为这张脸单独练一个小模型
第三条路线最重也最像：收集目标人物的十几到几十张多角度照片，用 LoRA 微调让一个底座模型”专门记住”这个人，训练出的权重就是他的数字替身。优势是身份还原度和跨场景一致性都最高，同一权重反复出图风格稳定；成本在于每个身份都要单独训练，还要准备合规的素材。适合需要长期复用的代言人替身、品牌数字人。
第四步：视频里的”身份漂移”是另一道坎
静态图里”像”已经不易，视频还要多扛一个变量：时间。同一段素材，第 1 秒和第 5 秒的脸如果由模型独立生成，五官会缓慢”漂移”——下颌线变宽、眼距变化，观众未必说得出哪里不对，但就是觉得”换人了”。三条路线对此的应对不同：表演驱动逐帧跟着真人走，漂移最小；身份嵌入靠关键帧锚定加帧间传播；定制训练则在视频模型上做时序维度的微调，让身份向量贯穿整个镜头。这也是为什么成片级数字替身项目，工时大头永远在视频而非出图。
第五步：三条路线正在融合
实际项目里三条路线经常组合：用 LoRA 替身生成多场景底片，再对关键镜头做表演驱动精修；视频方向则普遍以”生成首帧 + 表演驱动”的混合管线为主。无论哪条路线，出片后都应做身份相似度比对——用同一套人脸识别模型量化打分，而不是靠肉眼。
选型时先问一个问题：要几个镜头、要多少角度？单个正面镜头的口播视频，身份嵌入加口型同步就能覆盖；多角度、多场景的叙事片，必须上定制训练。照片素材量也是硬约束——手头只有三五张照片，就不要指望 LoRA 训出稳定替身。
结论
给两条可操作建议：追求”单帧像、平面用”选身份嵌入，追求”动起来也像、成片级”选表演驱动或定制训练，别指望一条路线通吃。同时必须守住合规底线：数字替身涉及肖像权，须取得本人书面授权，成片按规范加 AI 生成标识。在 AI广告 项目里，数字替身的授权链路和生成标识要写进合同；正规 AIGC广告 团队也会把相似度比对设为质检的固定关卡。
相关文章
-
AIGC素材投信息流没人点？CTR低的三个真原因
内容目录 一、素材很美，但前三帧没有钩子二、量产了素材，没量产”变量”三、没有建立”素材-数据”的回路四、只盯 CTR，忘了后半程结语 双11 期间不少品牌用 AIGC 一口气产了几百条素材，投出去发现点击率惨不忍睹，然后得出结论：”AI 素材不行”。这个结论下得太快了。我们复盘了近期多个投放账户的数据，发现 AI广告 素材的 CTR 问题，大多数不是”AI 画得不好”，而是这三件事没做对。 一、素材很美，但前三帧没有钩子 信息流广告的生死线是前三…
-
快销品广告制作公司如何用AI做A/B测试创意
内容目录 一、A/B测试在快销品里长期是个伪命题二、AI把”创意版本”的边际成本压到接近于零三、真正值得测的只有四个变量四、怎么设计一场真正有效的测试五、三个常踩的坑结语 快销品是所有品类里最”赌”的一行。一个新口味、一个新包装、一句新 slogan，押对了是爆款，押错了就是几百万渠道费、堆头费和退货一起打水漂。可行业里绝大多数品牌，至今还是靠一场提案会加几个领导的直觉来决定拍哪一条。这几年 AI广告 真正改变的不是”拍得更快”，而是让”…
-
幕后揭秘—蒙牛早餐奶AIGC广告
北京时间7月27日下午，巴黎奥运会女子双人3米跳板决赛在巴黎奥林匹克水上运动中心举行，首次参加奥运会的中国组合陈艺文/昌雅妮以337.68分毫无悬念地夺冠，为中国跳水队拿到了本届奥运会的第一块金牌。 随着国际大型体育赛事如奥运会的举办，奥林匹克全球合作伙伴蒙牛携手视觉灵动团队正式发布了“蒙牛早餐奶奥运金装”的电视广告，借助奥运平台进行品牌推广和营销活动。我们邀请大家一起见证奥运健儿们在赛场上的卓越风姿，为体育健儿们加油喝彩！ 在本次视频企划中，我们以“跳水、金牌、早餐、运动和营养”为关键词，展开…
-
什么是”潜空间”？理解AI图像生成的数学直觉
内容目录 第一步：压缩——把图片变成数字坐标第二步：生成——从噪声开始”往回走”第三步：为什么潜空间让”融合”成为可能第四步：给你的三条可操作结论结语 什么是”潜空间”？理解AI图像生成的数学直觉 用过文生图工具的人大概率遇到过这种怪事：想要”一个戴红帽子的男人站在蓝墙前”，结果帽子是红的、墙是蓝的，但男人的脸糊了；你改提示词把脸修好，帽子颜色又变了。改一个地方，另一处就跟着动——很多人以为这是”AI不稳定”，其实真正的原因…
-
分辨率、帧率、码率：短视频发布参数的最小知识
内容目录 第一步：三个参数各管什么第二步：平台一定会二次压缩第三步：一个够用的码率估算公式第四步：比码率更容易被忽略的三件事可操作的导出清单 分辨率、帧率、码率：短视频发布参数的最小知识 同一段素材，在剪辑软件里看是清的，导出上传到平台之后就糊了；换了台设备再看，又变清楚了。很多人第一反应是”平台压我画质”，于是把码率拉到最高，重新导出，结果还是糊。 问题往往不在平台，在于三个参数被混为一谈：分辨率、帧率、码率。它们各管一件事，只有搞清分工，才知道该动哪个。 第一步：三个…
