Tại sao các phim ngắn do AI sản xuất lại có cùng một gương mặt?

Thông tấn xã Trung Quốc, ngày 14 tháng 7 (Xie Jingwen) - Đường viền hàm sắc nét, đôi môi mỏng và ánh mắt nghiêm nghị, uy nghiêm; khuôn mặt trái xoan, đôi mắt to và làn da rạng rỡ... Người dùng khi mở ứng dụng phim ngắn và xem một vài bộ phim ngắn do AI tạo ra sẽ dễ dàng nhận thấy rằng các nhân vật chính nam và nữ hầu như luôn có cùng một bộ đặc điểm khuôn mặt.

Nhiều bộ phim truyền hình về trí tuệ nhân tạo có nữ chính sở hữu khuôn mặt khá giống nhau. 

Sau khi xem nhiều như vậy, nhiều người thậm chí có thể tự hỏi: Liệu vị CEO mặt lạnh như tiền trong tập trước có phải là cùng một người với vị tướng bị đuổi khỏi dinh thự của Hầu tước trong tập trước đó không? Những câu hỏi tương tự xuất hiện khắp nơi trên mạng xã hội, và "Khuôn mặt AI khiến người ta cảm thấy ghê tởm về mặt sinh lý" thậm chí đã từng trở thành chủ đề thịnh hành trên mạng xã hội.

Về mặt logic, một mô hình AI với lượng dữ liệu khổng lồ có thể tạo ra vô số khuôn mặt, vậy tại sao các nhân vật chính trong các phim ngắn do AI sản xuất lại đều có cùng một khuôn mặt?

"Khuôn mặt mặc định" đến từ đâu?

Trước tiên, hãy cùng tìm hiểu cách thức tạo ra những hình ảnh "hoán đổi khuôn mặt" trong các phim ngắn do AI thực hiện.

Nhìn chung, có hai cách chính để tạo ra các nhân vật bằng trí tuệ nhân tạo: một là nhập các lệnh và để một mô hình lớn tự động tạo ra nhân vật, và cách khác là sử dụng hình ảnh thực tế làm tham khảo rồi điều chỉnh mô hình lớn cho phù hợp.

Giám đốc AI Mo Zheng giải thích với Thông tấn xã Trung Quốc rằng khi tạo khuôn mặt cho phim ngắn AI, nếu người sáng tạo chỉ đơn giản nhập "một người phụ nữ xinh đẹp đang uống cà phê trong quán cà phê" vào hộp thoại của mô hình hình ảnh văn bản mà không tải lên bất kỳ hình ảnh tham khảo nào, thì mô hình AI rất có thể sẽ cho ra một hình ảnh tiêu chuẩn của một người phụ nữ xinh đẹp với đôi mắt to, sống mũi cao, cằm nhọn và làn da trắng sáng.

Mo Zheng giải thích rằng trong quá trình huấn luyện, các mô hình xử lý ảnh thường có một tập hợp các tham số tiêu chuẩn, chẳng hạn như mắt to, sống mũi cao và làn da trắng sáng, tương ứng với vẻ đẹp châu Á. Hơn nữa, các mô hình miễn phí thường sử dụng các phương pháp rút gọn, tạo ra khuôn mặt phổ biến nhất từ dữ liệu huấn luyện sau khi xem xét tất cả các tham số.

Nguyên tắc tương tự cũng áp dụng cho các nhân vật nam. Trong quá khứ, Mo Zheng nhận thấy rằng, nếu không có thiết kế nhân vật chi tiết, các nhân vật nam châu Á do AI tạo ra thường giống các diễn viên Hàn Quốc – với khuôn mặt vuông và các đặc điểm Mông Cổ nổi bật. Ông suy đoán rằng điều này là do các mô hình video AI phổ biến hiện nay đã chắt lọc một lượng lớn phim Hàn Quốc, dẫn đến tỷ lệ phim và truyền hình Hàn Quốc trong tập dữ liệu huấn luyện quá cao, do đó khiến các nhân vật được tạo ra mang đậm dấu ấn thẩm mỹ Hàn Quốc.

Các nam diễn viên chính trong một số phim truyền hình về trí tuệ nhân tạo cũng có khuôn mặt khá giống nhau. (Nguồn: Nền tảng phim ngắn)

"Nó nửa giống nửa tương đồng; những gương mặt rất giống Takeshi Kaneshiro thường xuất hiện trong các phim nghệ thuật", Mo Zheng nói.

Sự đồng nhất hóa nội dung phim ngắn do AI sản xuất còn được góp phần bởi sự xuất hiện của các nguồn tài nguyên "chợ đen" dùng để huấn luyện mô hình. Theo các báo cáo công khai, nhiều nhà sản xuất phim ngắn AI hiện nay trực tiếp mua các gói tài nguyên giá rẻ hoặc thậm chí là hàng lậu từ internet để huấn luyện mô hình của họ.

Theo Justice.cn, các chuyên gia trong ngành tiết lộ rằng các nguồn tài nguyên phim ngắn AI lậu, tài nguyên thu thập từ khắp internet và các tài liệu vi phạm bản quyền do người dùng tải lên là những nguồn dữ liệu huấn luyện quan trọng. Thông tin rao bán "các gói tài liệu phim ngắn AI trái phép" đang tràn lan trên mạng; một gói chứa hơn 20.000 tài nguyên phim ngắn vi phạm bản quyền chỉ được bán với giá 0,85 nhân dân tệ.

Wang Xiwen, giám đốc Viện Nghiên cứu Công nghệ Thông minh Internet Công nghiệp Bắc Kinh Huaxia, cho biết với hãng thông tấn Trung Quốc rằng việc sản xuất hàng loạt khuôn mặt AI hiện đã hình thành một quy trình công nghiệp được tiêu chuẩn hóa cao: trước tiên, các nhà sáng tạo sử dụng các gợi ý phổ biến để tạo ra một hình mẫu vẻ đẹp chuẩn mực; sau đó họ khóa một giá trị hạt giống cố định để đảm bảo các đặc điểm khuôn mặt của nhân vật không thay đổi trong toàn bộ loạt phim; tiếp theo, họ áp dụng một mẫu biểu cảm thống nhất, bỏ qua bước chỉnh sửa từng khung hình các biểu cảm vi mô tinh tế; cuối cùng, họ thực hiện kết xuất tổng thể toàn bộ phim một lần, tiết kiệm bước chỉnh sửa hình ảnh phân đoạn.

"Quá trình này bỏ qua các đặc điểm khuôn mặt độc đáo nhằm tránh sai sót trong sản xuất hàng loạt, dẫn đến việc tạo ra các khuôn mặt kỹ thuật số đồng nhất được sản xuất hàng loạt mà không có đặc điểm phân biệt nào", Wang Xiwen cho biết.

Các thuật toán và chi phí đã khóa chặt chiếc mặt nạ AI.

Khi cùng một diễn viên đóng cả vai chàng trai lý tưởng trong trường và một thiếu nữ trong trang phục cổ trang, rồi lại hóa thân thành một ông chú có râu, khán giả đương nhiên khó lòng chấp nhận điều đó.

"Phim ngắn do AI sản xuất rất được ưa chuộng khi mới ra mắt vào đầu năm nay, nhưng gần đây mọi người bắt đầu cảm thấy nhàm chán rồi", Mo Zheng than thở. Sự nhàm chán này thậm chí còn lan sang cả người trung niên và người cao tuổi. "Gần đây, khi đến thăm bảo tàng, tôi nghe vài cụ bà nói rằng không nên tin tưởng vào video ngày nay, chúng toàn là AI cả".

Theo dữ liệu từ DataEye-ADX Industry Edition, một nền tảng giám sát dữ liệu ngành, trong tháng 5 năm 2026, nền tảng gốc của Douyin đã thêm khoảng 39.500 phim truyền hình/anime AI mới, giảm khoảng 10% so với 44.100 phim được thêm vào tháng 4. Điều này đánh dấu tháng thứ hai liên tiếp số lượng phim mới ra mắt giảm. Tốc độ tăng trưởng lượt xem phim mới chỉ đạt 7%, chậm hơn so với tốc độ tăng trưởng nhanh trước đó.

Những "khuôn mặt mẫu" đang nhanh chóng làm giảm sự kiên nhẫn của người xem. Vậy tại sao các nhà sản xuất vẫn sẵn sàng sử dụng những "khuôn mặt AI" có độ tương đồng cao như vậy?

Điều này bao gồm chi phí thương mại và chi phí thời gian sản xuất của các phim ngắn.

Mo Zheng giải thích rằng để tạo ra một khuôn mặt đặc sắc, nhóm thường cần phải hoàn thiện nhiều góc nhìn khác nhau của nhân vật, bao gồm nhìn từ phía trước, toàn thân, bên cạnh và phía sau, cũng như các hình ảnh tài nguyên như hình ảnh nhân vật, hình ảnh bối cảnh và hình ảnh đạo cụ. Sau đó, những tài liệu này được sử dụng để hoàn thiện hình ảnh nhân vật. Đồng thời, các yêu cầu chi tiết được thêm vào, chẳng hạn như chỉ định màu mắt, có nốt ruồi hoặc tàn nhang trên mặt hay không, kiểu tóc, phong cách phim chân thực và kết cấu da thực tế, để tạo ra một khuôn mặt dễ nhận biết.

"Việc dành từ 5 đến 10 phút cho một hình ảnh tài sản là hoàn toàn hợp lý", Mo Zheng giải thích. Quá trình này đòi hỏi phải kiểm tra cẩn thận tính nhất quán từ nhiều góc độ khác nhau và so sánh lặp đi lặp lại các hình ảnh được tạo ra. Ông đưa ra một ví dụ: trong hình ảnh do AI tạo ra, đầu của một người có thể có một bím tóc khi nhìn từ phía trước, nhưng lại có hai bím tóc khi nhìn từ bên cạnh - những lỗi nhỏ như vậy cực kỳ phổ biến.

Việc tạo ra những sản phẩm tinh xảo như vậy rất tốn kém. Mo Zheng đã lấy bộ phim hành động giả tưởng đang thực hiện của mình, *Sand Demon*, làm ví dụ, để nêu rõ chi phí: sử dụng chức năng tạo ảnh ChatGPT trả phí có giá 99 đô la (khoảng 673 RMB) mỗi tháng cho thành viên; sử dụng mô hình tạo video đầy đủ tính năng, một video 15 giây có giá khoảng 15 RMB, và với kênh VIP, có thể tốn từ 20 đến 30 RMB. So với đó, chi phí của các phim ngắn AI chỉ sử dụng một khuôn mặt là gần như không đáng kể.

“Nếu bạn sử dụng Seedance 2.5, một video 30 giây có thể tốn tới 100 nhân dân tệ, điều này thực sự làm tăng rào cản trong sản xuất video,” Mo Zheng cho biết. Nếu bạn sử dụng các công cụ AI miễn phí như Doubao, hình ảnh video cuối cùng thường là phiên bản mà mô hình cho là an toàn nhất, được sử dụng phổ biến nhất, ít lỗi nhất và rẻ nhất.

Wang Xiwen chỉ ra rằng về mặt thương mại, việc tái sử dụng các mẫu khuôn mặt đã được khẳng định có thể tiết kiệm chi phí phát triển thiết kế nhân vật. Ở cấp độ thuật toán, các công cụ video AI trước đây, khi xử lý các cảnh quay dài, dễ làm biến dạng các hình ảnh đặc trưng do sự thay đổi động, do đó ưu tiên sử dụng các khuôn mặt trung bình, dễ sử dụng hơn. Về mặt lưu lượng truy cập, cơ chế đề xuất của nền tảng đương nhiên ưu tiên các thiết kế nhân vật đã được khẳng định và phổ biến, càng củng cố thêm sự phụ thuộc vào con đường sáng tạo đã được định hình.

Hơn nữa, Wang Xiwen tin rằng sự tràn lan của các khuôn mặt AI đồng nhất bắt nguồn từ logic kiếm tiền "nhanh chóng và dễ dàng" của ngành công nghiệp phim ngắn. Các công ty sản xuất thường theo đuổi chu kỳ sản xuất cực kỳ ngắn và từ chối đầu tư vào việc tạo ra nội dung gốc để phát triển nhân vật.

Một báo cáo từ Hiệp hội Phát thanh Truyền hình Trực tuyến Trung Quốc cho thấy, trong quý đầu tiên năm 2026, toàn ngành đã cho ra mắt khoảng 128.000 phim ngắn, trong đó khoảng 122.000 phim ngắn được tạo ra bằng trí tuệ nhân tạo, chiếm hơn 95%. Theo ông Wang Xiaoliang, Giám đốc Vụ Quản lý Chương trình Nghe nhìn Trực tuyến thuộc Cục Quản lý Phát thanh và Truyền hình Nhà nước, năm 2025 đã có 33.000 phim ngắn được ra mắt và phát sóng.

Nếu quy đổi con số đó, sản lượng phim ngắn trong ba tháng đầu năm 2026 sẽ gần gấp bốn lần so với cả năm trước đó.