她不是人,却开始代替人了:AI演员来了

在线体验各类最新模型,更有模型 免费Token 额度领取!
立即体验
简介: AI女演员Tilly Norwood将主演电影《Misaligned》,她由Particle6公司打造,经2000次迭代生成,无真实身体与人生经历。相比真人演员,AI角色可跨平台、全天候、低成本复用,成为品牌可控的“数字资产”。但其训练依赖真人表演数据,引发SAG-AFTRA对劳工权益的担忧。虚拟人崛起已是不可逆趋势。

这两天我关注到一条挺怪的娱乐新闻:一个叫Tilly Norwood的AI女演员,要去主演一部长片《Misaligned》。

Tilly Norwood本身就是一个AI角色,由Particle6旗下AI部门Xicoia做出来。最近的新消息是,Particle6宣布她要主演《Misaligned》。ABC News报道说,这部片目前还在早期开发。在Ins上,它已经有158K关注了,比老金我的全网粉丝还多。

我一开始看到这个新闻,也以为只是AI公司蹭电影圈热度。但越看越觉得,它背后有一笔很现实的商业逻辑。

真人演员再红,一天也只有24小时。她要拍电影,就很难同时拍三个广告。她要飞去录综艺,就不能同一时间出现在另一个国家的发布会。她会累,会老,会涨价,会闹情绪,也会因为一句话翻车。

AI演员不一样。她如果被做成一个顶级IP,可以今天在电影里谈恋爱,明天在短视频里卖口红,后天在游戏里当NPC,同一时间还能出现在十个国家的广告屏上。她不需要倒时差,不需要协调档期,不需要保持状态,只要团队愿意做,她就能被复制到每一个数字媒体里。

Tilly不是网红脸,她是被调出来的演员

Tilly背后的人是Eline van der Velden。洛杉矶时报2026年7月6日报道里有个细节,Van der Velden说Tilly做了六个月,经过超过2000次迭代,最初形象用的是OpenAI的ChatGPT和其他公开AI工具制作的。

六个月和2000多次迭代,说明她不是一天蹦出来的网红脸。

她更像一个被反复调出来的数字艺人,从脸、表情、镜头感、社交账号到角色人设,都可以继续改。

以前她已经在AI短片AI Commissioner里出现过,也发过音乐视频,还引发过好莱坞演员和工会的强烈反弹。

ABC News还写到,《Misaligned》的故事设定在Tillyverse里,设定也很符合AI,看起来官方是想把它能设定的更符合人类认知一样。设定中,Tilly是一个没有真实身体、没有童年、没有自己人生经历的AI存在,她只能访问别人的经验。

一个没有童年的人,要演成长。一个没有身体的人,要占据镜头。一个没有自己生活痕迹的人,要表演人的欲望、羞耻和野心,看起来就很AI。。。不过也能让人更好的接受。

非真人IP能红,早就不是新鲜事

这里老金其实想给大家掰正个概念,非真人IP被喜欢、被购买、被品牌长期运营,这条路早就跑通过了。

初音未来2007年就出现了。她本来是歌声合成软件,后来变成全球虚拟歌手,开演唱会、卖周边、做品牌合作。Crypton官方资料写过,她相关歌曲超过10万首,YouTube上传视频超过17万条,还做过全球3D演出和企业合作。这个模式很早就说明,一张不存在的脸,也可以承载创作、情感和消费。

Lil Miquela走的是另一条路。TIME在2018年把她列进年度互联网影响力人物,她不是真人,却被时尚圈接住,和Prada等品牌合作。Brud这个团队后来被Dapper Labs收购,TechCrunch当时写到,Dapper把整个32人团队接了过去。Dapper看中的也不止账号本身,更是一套持续生产数字人格的能力。

巴西的Lu do Magalu更像品牌最想要的答案。Axios今年6月写她是全球最受关注的非人类影响者之一,起点是电商Magalu在2003年做的虚拟购物助手。她现在跨Facebook、Instagram、TikTok、YouTube和X运营,Axios还写到她每年从赞助内容里带来约250万美元收入。

这些案例放在一起看,Tilly就不再像凭空冒出来的新东西。她站在一条已经被验证过的路上,只是把虚拟偶像、数字代言人、AI视频生成和影视制作揉到了一起。

以前是租一个人,现在是养一块资产

公开资料中,老金我没有看到《Misaligned》的完整预算表,但是只要涉及到AI,肯定会落到商业上。

真人演员贵,不只贵在片酬。还贵在档期、经纪、交通、妆造、现场等待、补拍、保险、宣发配合和风险管理。一个品牌请真人KOL,更像租她的一段时间、一张脸、一条微博、一场直播。时间到了,合作就结束了。

虚拟人IP更像自有资产。你今天让她穿运动服,明天让她进科幻片,后天让她变成游戏皮肤,只要观众还认这个角色,她就能不断换场景。Particle6曾对外声称,它的AI生产流程可以把财务成本降低90%。它清楚地说明了片方想卖的东西,便宜只是第一层,更大的诱惑是可控。

AI模特Aitana López也是这个逻辑。Euronews报道过,这个西班牙AI模特平均每月能赚约3000欧元,最高可到1万欧元,单条广告超过1000欧元。她的创造者说得很直白,做她是为了不再依赖那些有脾气、有要求、要很多钱来摆拍的人。

话难听点儿,道理倒是挺简单的。

真人是合作方,虚拟人是资产。合作方要谈条件,资产只需要被运营。

最值钱的不光是省钱,还有时间复利

省钱只是入口。让片方和品牌反复算账的,是Tilly可以把真人身上最硬的限制拿掉。

真人明星最稀缺的东西,是本人。本人只有一个,档期才会变得昂贵。

Tilly不需要本人到场,因为她本来就没有本人。她可以在电影里是演员,在广告里是模特,在社交媒体上是网红,在游戏里是角色,在电商里是导购,在品牌发布会上是主持人。

然而老金觉得最可怕的是,它能无限复制,这就跟我们小时候总说我们想复制自己一样,替我去上班,替我去干嘛一样,它把一个人的线性时间,改成了一个IP的并发分发。

真人的身体是瓶颈,AI角色的身体是文件。

真人要休息,文件可以复制。真人要成长,角色可以改设定。真人会老,角色可以停在品牌想要的年龄。

品牌买到的也不再是某个演员今天半小时的出镜时间,而是一套永远在线、永远可改、永远听话的形象资产。这个资产还能跨平台同步存在,不需要问她愿不愿意,不需要等她睡醒,也不用担心她哪天突然不想干了。

风险是依靠人的经验生产的AI被拿去压人的价

品牌方可能看到的是可控,但是演员看到的是另一面。

SAG-AFTRA去年对Tilly的声明很重,说她不是演员,只是由电脑程序生成的角色。更关键的是,工会认为她训练自无数专业演员的作品,而这些演员没有许可,也没有补偿。

如果一个AI角色吸收了很多真人演员的表演经验,最后又回到市场里和真人抢角色,问题就不只是技术新不新。它会变成一个行业。

先把人的劳动拿走,再用更便宜、更稳定、更听话的数字形象回来压价。

最先疼的也未必是明星。明星还有粉丝、议价权、老作品和公众记忆。

更危险的是那些本来就在边缘等机会的人,新人演员、群演、广告模特、短剧演员、主播、老师、销售、讲课博主。他们还没来得及被观众记住,市场已经开始问,能不能先用一个便宜的数字人试试。

以前你说自己有经验、有镜头感、有表达能力、有观众缘,现在市场可能会问,这些东西能不能被学走、拆开、复制,再装进一个更听话的AI形象里。

结论可以说得更直接一点

就看Tilly来说,单个角色可能失败,电影可能难看,观众也可能根本不买账。去年Guardian就吐槽过她早期短片技术上还算能看,但表演和喜剧效果很糟。

但AI虚拟人IP这条路,一定会继续走,因为需求在,需求在,就会变成科技发展的必经之路。

过去虚拟偶像和虚拟网红已经证明,非真人也能积累粉丝、合作品牌、出音乐、开演出和卖周边商品了。

AI出现以后,生产成本、试错速度、内容频率和形象变化能力又被继续压低。

一个Tilly不火,还会有下一个Tilly。一个AI演员不好看,还会有下一个更好看的AI演员。

这件事也不会只停在影视圈。它会一路走到广告、电商、教育、短剧、游戏、直播、知识付费和企业品牌里。

因为这些行业都想要同一种东西,一个会说话、会表演、能被信任、不会疲惫、不会叛逃、还能随时复制的人。

那么,当一个人所有可被市场购买的部分都能被复制以后,人还剩下什么不能被复制?

反而真人最贵的地方,老金觉得可能恰恰是真的有一条只能活一次的时间线。

你会错过机会,会因为紧张说错台词,会在某个年纪长出某种表情,会被生活磨出一点藏不住的疲惫。那些东西以前看起来是缺点,现在回头看,反而像证据,且不能再次被更改。

那些不完美,反而在给你证明,你曾经活着。

AI角色可以同时活在十个屏幕里,人不行。人只能在一个地方,把这一刻真的活过去。

如果有一天,我们被一个没有身体、没有童年、没有人生的人打动了,也许最该害怕的是另一件事:

我们开始接受,人被拆碎以后重新拼出来的样子。

我们这些活着的人类,正在被慢慢替代。


相关文章
|
1月前
|
机器学习/深度学习 人工智能 网络架构
深度解析:Transformer 的“灵魂”——QKV 变换的物理直觉
本文用图书馆检索等生活隐喻,从物理意义与认知科学角度解析Transformer中QKV设计的精妙本质:解耦查询(q)、键(k)、值(v)三重角色,实现语义分离、避免自注意力“自恋”,模拟人类动态信息路由的认知过程。(239字)
402 13
|
1月前
|
缓存 人工智能 JavaScript
Markstream-VUE:构建高性能流式 Markdown 渲染器
在 AI 对话、实时协作文档、知识库等场景中,Markdown 内容的流式渲染已成为刚需。传统方案面临"闪烁重绘"、"内存暴涨"、"大文档卡顿"三大痛点。本文将深度剖析开源项目https://github.com/Simon-He95/markstream-vue的技术架构,从流式解析算法、虚拟化渲染策略、Monaco 增量更新、渐进式图表渲染四个维度,揭示其实现"零闪烁、低内存、高响应"流式体验的核心原理,并提供可直接落地的性能调优方案。
414 8
Markstream-VUE:构建高性能流式 Markdown 渲染器
|
1月前
|
监控 API Windows
WGCLOUD v3.6.8 正式更新
WGCLOUD v3.6.8发布:修复CPU/内存等指标偶现为0、大屏离线数据不显示等Bug;新增Windows系统服务列表及开放API;优化告警脚本执行与SNMP设备运行时间兼容性。升级方式详见官方图示。
|
29天前
|
Kubernetes 安全 开发者
手写 Harness 底层架构: 基于 Deep Agents 深入底层 Sandbox沙盒Infra 基础设施架构
手写 Harness 底层架构: 基于 Deep Agents 深入底层 Sandbox沙盒Infra 基础设施架构
手写 Harness 底层架构: 基于 Deep Agents 深入底层 Sandbox沙盒Infra 基础设施架构
|
24天前
|
C# C语言 C++
VS2019下载地址和安装使用图文教程(附官网安装包)
Visual Studio 2019是微软2019年发布的稳定IDE,支持C/C++、C#等语言。Community版免费且功能完整,安装轻量、兼容性强,尤其适合老项目维护与低配设备。文中详述了下载、安装及用其编写运行C程序的完整流程。(239字)
|
1月前
|
存储 人工智能 自然语言处理
知识库为谁而建 ?
随着 Agent 的逐步广泛应用,知识库的使用者正在从人变成 Agent。 知识库的设计逻辑、维护方式、甚至存在的意义,都需要重新思考。
555 10
知识库为谁而建 ?
|
28天前
|
机器学习/深度学习 自然语言处理 安全
从零构建车载语音对话系统:NLU → DST → Policy → NLG → TTS 全链路工程实践
本文详解车载语音助手全链路工程实践,涵盖NLU(意图识别+槽位抽取)、DST(多轮状态追踪)、Policy(安全驱动决策)、NLG(模板化自然语言生成)与TTS(双引擎语音合成)五大模块,基于Pipeline架构实现高可解释、可调试、强安全的工业级Demo,代码开源、开箱即用。(239字)
|
26天前
|
Java Windows
JDK 8 安装与环境变量配置教程(jdk-8u121-windows-x64.exe 详细步骤)
本教程详解JDK 8u121 Windows 64位安装与配置:含管理员运行、路径选择、JAVA_HOME及Path环境变量设置,并通过java/javac -version命令快速验证,步骤清晰,适配Win10/Win11。
|
27天前
|
人工智能 缓存 API
阿里云百炼 Token Plan 三大坐席对比:Credits资费额度、Token消耗与性价比分析
阿里云百炼TokenPlan含标准版(198元/月,2.5万Credits)、高级版(698元/月,10万Credits)和尊享版(1398元/月,25万Credits)。经测算,尊享版单Credits仅0.0056元,折合百万Tokens约1.12元,显著低于按量计费(2元/百万Tokens),性价比高,值得订阅。在阿里云百炼平台:https://t.aliyun.com/U/fPVHqY 免费领取千万Tokens
|
NoSQL Java 关系型数据库
【AgentScope Java新手村系列】(5)记忆与会话管理
记忆与会话管理 — AgentState 管理上下文窗口,AgentStateStore 持久化,RuntimeContext.sessionId 隔离多用户会话。
325 0