最离谱的不是脸。
是 AI 连那种“好像没认真拍”的感觉，都学会了。
原案例把约 10 秒真人原片和 AI 版本放在一起：手什么时候抬、身体怎么侧、镜头什么时候靠近，连说话时的停顿和轻微晃动都很接近。看第一遍，很多人真正想问的不是“用了什么模型”，而是：为什么 AI 已经能像真人一样？
答案很简单：它参考的不只是一张脸，而是整段视频里 5 件同时发生的事。
封面是本文原创 AI 对照示意，不是原案例截图，也不代表真实测试结果。
为什么会像真人？因为这 5 件事对上了
- 人物：脸、头发、衣服和身材没有在动作中突然变化。
- 动作：先抬哪只手、什么时候停、身体怎么转，都有顺序。
- 镜头：机位、距离和轻微手持晃动像普通手机拍摄。
- 声音：语速、停顿和重音决定手势落在哪一句话上。
- 质感：眨眼、视线偏移和不完全居中的构图，保留了“没拍那么完美”的人味。
这 5 层不是 Seedance 官方公布的标准答案，而是我结合 Seedance 2.0 官方能力和原案例画面对比做出的拆解。官方说明它可以同时参考文字、图片、音频和视频，也能理解构图、动作、运镜与声音；参考越具体，AI 需要自己猜的部分就越少。
第一次试，只复制这一条 Prompt
先拍一段自己的 10 秒视频：一个人坐在镜头前，说一句话，做两个简单手势。上传原片后，把下面这段话里的台词和动作换成你的。
参考我上传的 10 秒授权视频，生成一条自然的手机 UGC 版本。
保持同一个人的脸、头发、白色上衣和身材比例；动作顺序是：先看镜头说【台词】，再抬【左/右】手，最后放下手并回正身体。保持原视频的机位、距离、语速、停顿和轻微手持晃动。
画面要像普通人随手拍：自然光、真实皮肤、允许眨眼和轻微视线偏移。不要广告片打光，不要过度磨皮，不要额外动作，不要人物漂移或多余手指。
不同工具引用素材的方式会不一样，但第一次不用研究复杂参数。你只需要先生成一版，然后问自己：