AI群演一集500元，3人以上群像戏却穿模错乱，真人群演为何更难被取代？

　　AI群演以每集500元的成本进入短剧制作，却在3人以上群像戏中频繁出现站位错乱、肢体穿模、道具消失等问题。技术瓶颈暴露了AI在空间逻辑、人物一致性和即兴互动上的短板，也反过来印证了真人群演在复杂场景中的不可替代性。

　　2026年8月，微博热搜“AI取代群演但拍不好群像”引发热议。据影视片场笔记观察，随着AI视频生成技术大规模应用，部分短剧制作方开始用AI生成背景路人以压缩成本，首批尝鲜的剧组已经遭遇集体“翻车”。话题下，网友晒出大量截图与动图：路人叠影、手臂贯穿身体、包子凭空蒸发……这些荒诞画面背后，是AI对物理世界认知的断层。

　　AI群演真正的边界在哪里？我们梳理了技术逻辑、行业反馈与网友观点，尝试回答这个问题。

　　为什么AI群演一遇到3人以上场景就“崩”？

　　结论：当前AI模型缺乏对三维空间逻辑的理解，无法在生成时同步协调多个角色的位置、姿态和遮挡关系。这种失败并非偶然，而是技术底层架构的必然。

　　AI生成图像和视频时，本质是基于概率对像素进行预测。单人背景画面，模型只需锁定一个主体，可轻松分配注意力。但当画面中出现3个以上人物，角色之间的空间关系呈指数级复杂：A的手臂搭在B的肩上，C的视线望向D，E被F遮挡了一半身体。模型需要同时计算每个人的绝对位置和相对关系，计算量从加法变成乘法。当前主流算法难以支撑这种高维约束，于是“人物位置乱跑”“两个人重影”“穿模”成为高频bug。

　　网友“闻汤识面泡剧”总结：“背景人物三人以上就开始失控，人物位置乱跑，肢体穿模，道具凭空消失。”[1]另一位网友晒出全AI群演短剧片段：“路人肢体扭得像麻花，上一秒拿的包子下一秒直接凭空消失。”[2]这些直观反馈印证了技术观察：现有AI模型是“单主角思维”，无法承载群像调度。

　　有人尝试用“画火柴人”的方式预先标注站位，但模型即使记住了位置，依然会忽略物理遮挡。比如两个角色擦身而过，模型可能让他们的手穿进对方的身体。空间逻辑的缺失，不是靠标注能弥补的。

　　服装和面容为何难以保持一致？

　　结论：角色一致性是AI生成的普遍难题，群像戏会成倍放大这种不稳定。不同镜头下，同一角色的服饰、发型、脸型可能“突变”，导致观众瞬间出戏。

　　群像戏通常需要多机位、多景别捕捉。景别切换意味着模型需要重新生成像素，而AI对角色细节的记忆是“概率性”的：它没有数据库存储“这个人穿红衣服”，而是在每次生成时根据提示词和上下文重新推断。一旦画面长时间离开主体，再次出现时，模型可能自行“补脑”，把衣服花纹、颜色甚至配饰改得面目全非。

　　有创作者分享经历：“模型生成的角色服饰出现不统一的细节问题，我给中国英雄头盔上生成了美国国旗，好不容易抽到衔接画面，国旗却消失了。”[3]这种对文化符号的错误拼接，恰恰说明AI不理解物体恒常性，只把它当作随机的视觉元素。在群像场景中，角色更多、细节更杂，出现“换装”的概率也更高。

　　AI能复制真人演员的即兴反应吗？

　　结论：不能。群像戏的灵魂，恰恰来自真人演员之间的即兴碰撞，而AI只能给出“平均化”的表演。

　　一场成功的群像戏，依赖演员在瞬时互动中的情绪供养。主角的一个停顿，背景中的配角可能下意识地抬眼；一句即兴台词，会让周围人的笑容弧度发生微调。这种不可预判的现场反应，是表演艺术中最珍贵的“活气”。AI表演的本质是数据调用，它根据训练集生成“一个人在街上走”的概率形态，却无法理解“这个人听到尖叫后应该踉跄半步并抓牢手边篮子”。

　　网友“wang15610183153”直言：“有时候剧本没写的小停顿、下意识的微动作，反而是人物的灵魂，这种带着小瑕疵的真实感才最戳人。”[4]另一位博主也指出：“算法追求完美可控，但好的表演恰恰需要一点‘活人瑕疵’。”[5]真人演员能从生活经验中提取细腻反应，AI只有冷冰冰的概率分布。

　　更吊诡的是，AI在“过于完美”和“明显失真”之间摇摆。为了追求整洁的输出，模型会抹掉那些随机的、不完美的细节，结果人物像提线木偶，缺少呼吸感。群像戏需要的是“人群的嘈杂”，AI却给出了“标准化的背景”，于是越真实的画风，越显得古怪。

　　横店群演真的会被AI取代吗？

　　结论：短期内不会全面取代。AI只能替代“纯背景板”，无法替代需要情绪互动的“前景群演”。但基础群演的工作机会正在缩减。

　　据微博热议，AI短剧已经让部分横店群演失业，原因是一集500元的AI群演成本远低于真人。[6]然而，这种取代仅限于不需要表情、走位和动作的虚焦路人。在需要和主角产生互动的场景，比如集市里躲避的小贩、茶馆里侧目的食客，真人依然稳如泰山。

　　网友“我是大神127s_B”嘲讽：“别吹什么AI能全取代演员了，连三个背景人物的站位都控不住，还不如横店随便一个群演站得稳当。”[7]群演的“稳”，源于对实际空间的感知和对导演指令的服从。真人能在0.5秒内调整自己的位置，AI却在计算中迷失。

　　当然，成本压力是真实的。对于竖屏短剧、批量生产的广告片来说，降低群演成本是刚需。AI至少能承担远景中的“人形道具”，让剧组将有限的资金投入主要演员和场景。这种取舍，短期看是博弈，长期看是分工。

　　AI群演还要跨越哪些“恐怖谷”？

　　结论：物理一致性和情感真实感是两大关键门槛。突破之前，AI群演只能活在远景和静态里。

　　恐怖谷效应在AI群演身上体现得淋漓尽致。当AI生成的人物无限接近真人，细微的变形（如瞳孔缩放迟钝、嘴唇动作僵硬）会瞬间触发观众的反感。大银幕上，这种反感会被放大，直接影响代入感。网友“追剧音乐时尚”指出：“AI只能机械化填充空白背景，完全做不出真人路人自然松弛的神态，氛围感严重缺失。”[8]

　　从技术路径看，解决这些问题需要三大升级：一是引入物理引擎，让模型理解重力、碰撞和遮挡；二是建立角色记忆库，将同一角色的外观特征以结构化方式存储；三是注入“表演语料”，用海量真人表演数据训练模型对互动的反应。但目前这三方面均无成熟方案。

　　影视创作是感性与理性的交织。AI可以解决效率问题，却无法替代人与人之间的化学反应。正如微博话题下的一条高赞评论：“AI取代的是不需要表演的背景板，但真正的人群戏，多人情绪互动、空间调度，真人演员的不可替代性反而更清晰了。”[6]

　　人物/角色关系表

　　QA：关于AI群演，观众最关心的问题

　　Q1：AI群演为什么总是出现道具消失、穿模等问题？

　　A：因为AI模型不真正理解物体恒常性与物理规则。它生成的是“看起来像”的图像，而不是模拟真实世界运行的结果。在3人以上复杂场景中，计算量剧增，模型难以约束每个物体的位置，导致道具凭空消失或肢体穿透。

　　Q2：AI会不会彻底取代横店群演？

　　A：据公开讨论，AI已开始取代一些纯背景、无表演要求的群演岗位，但涉及表情互动、空间调度的群像戏，AI仍远不能胜任。目前更可能出现的是人机分工：AI负责远景和氛围，真人负责近景和互动。

　　Q3：如果要用AI群像，需要注意什么？

　　A：建议控制在1-2人的画面中使用AI，或作为远景静态背景。若必须展示多人互动，应尽量用真人。同时要做好角色外观统一的检查，避免不同镜头中服装突变。后期修复成本可能抵消前期节省的费用。

　　AI与影视行业的碰撞还在继续。与其恐慌替代，不如看清边界。技术能填人数，填不了人味。这或许是这场热搜给行业最清醒的提醒。

　　#AI取代群演但拍不好群像# #AI群演# #横店群演# #群像戏# #影视行业#