昨天凌晨一点二十，我坐在客厅地板上，把一部真人短剧的第十七集来回拖了七遍。屏幕光打在茶几的玻璃杯上，杯子里的水晃了一下。我一直没弄明白，为什么那个女演员说「我不走」的时候，嘴角是往下压的。
这部剧是我在一个剪辑群里看到的，有人转了个片段，说「你们看这个嘴巴」。片源标着 ai制作短剧真人片黄豆黄豆短剧，我第一次见到这么长的分类名，像是把所有能想到的词都堆在了一起。点进去，是一个三分钟的开场。
那三分钟里，我记下了三件具体的事。第一件，第二分钟十七秒，女主角姓周，叫周映，她站在便利店门口，手里捏着一根已经拆开的棒棒糖，糖纸被她慢慢卷成了一个小圈。第二件，镜头切到她对面的男人，男人的脸有轻微的边缘抖动，像是隔着一层没擦干净的水。
第三件，周映说「我等了三年」的时候，背景里一个路人从右往左走过，走了两步，就停住不动了，然后整个画面把她切掉了。切得很干净，干净得有点粗暴。我当时的第一反应不是惊讶，是想笑——那种被算法处理过的果断，比人的犹豫诚实得多。
口型是对的，但那不是我要找的东西
回到那七次拖动。我起初以为问题在口型，后来发现口型其实对得挺好，「我不走」三个字，嘴唇的开合几乎能一一对上。真正让我出戏的是嘴角的肌肉走向：那句话应该带一点赌气，可那张脸的表情像是被固定在了一个礼貌的区间里。
这让我想起前几天在 张婉莹 罗智莹视频 里看到的一段对比剪辑，剪辑者把真人原片和生成片段并排放，逐帧对齐，差的那一帧恰好就是嘴角。我反复看了三遍，确认不是巧合。
说实话，我觉得这类真人片被严重高估了——不是因为技术差，而是因为很多人只看了三十秒就下了结论。三十秒看不出问题，三分钟开始露馅，到十分钟，人物的「一致性」基本就散了。我的观点可能有点刻薄：现阶段，它们适合当素材，不适合当作品。
我记了几个数字，越记越困惑
那天晚上我做了一张表。单集时长两分四十到三分十秒之间，平均每个镜头二点八秒，一集大约六十四个镜头。人物特写占比接近四成，而特写里，超过一半的镜头里人物没有做任何幅度超过十度的转头动作。
这个数字让我停下来。转头的动作少，不是导演的选择，是回避。因为一转，侧脸就开始崩。我想起在 ibook电子书官网 上翻过的一本讲表演的小册子，作者反复强调「脖子是情绪的出口」。这句话放在这里，像一句讽刺。
还有一个细节：整部剧里出现了十一次「门」。开门的动作有七次被处理成了从门内往外拍的视角，只露手，不露脸。我一度觉得这是聪明，后来意识到，这可能只是省事。手比脸好生成，这大概是这一行的常识，只是没人愿意说。
我去了那个发布页，看到更多东西
顺着片尾的链接，我找到了发布页面。页面很朴素，上传时间是 6 月 28 日凌晨四点零六分。发布者留了一句话：「测试第九版，欢迎挑错。」底下有四百多条留言，前三十条都在挑错，后面就变成了互相讨论用什么工具。
我在 ww.k34h.com 上看到过类似的讨论帖，里面有人把不同模型生成的同一句话拉出来对比，做成了表格。我照着表复现了一遍，用同样的提示词跑了两句话，出来的结果确实……有点像，又不太像。我说不好。
这就是我今晚的困惑所在。我以为自己在找「哪里假」，找着找着变成了在问「什么叫真」。一部由人写、由机器演、再由人剪的短剧，它的「表演」到底属于谁。我没答案。
最后是那个棒棒糖
第二天下午我又看了一遍开头。周映卷糖纸的动作，一共持续了四秒，卷了三圈半。第三圈的时候，糖纸的边缘有一帧轻微地弹了回去。真人做不到这么整齐，机器也不该在这里出错。就是这一帧，让我愿意把这个片段留在收藏夹里。
我还在 yw9959.com 上存了一份类似的片段清单，标着时间和问题帧。不是为了证明什么，只是觉得，这些东西早晚会有人需要一份老老实实的记录。我先把它们放在这里。
