AI短剧为什么会嘴瓢?是什么原理呢?
AI短剧里的‘嘴瓢’,通常不是模型真的像人一样口误,而是生成链路中语音、台词和口型没有完全对齐。常见做法是先生成或选定台词,再用语音合成(TTS)生成音频,最后让视频模型按音素、时间戳或音频特征生成口型;这些环节存在误差时,就可能出现发音含混、音节重复/吞掉,或嘴型与声音不匹配。若台词本身由语言模型生成,也可能有错词、重复或不自然表达。模型还可能因训练数据、噪声、语速及上下文不足而混淆相近音。简单说,这是语音识别/合成与视频生成的误差叠加,并非某种神秘的固定原理;具体原因要看制作流程。