播放破億的 AI 短片，名場面是一個「穿幫鏡頭」| 對話《紙手機》主創(chuàng)

看這部短片時，你可能不會懷疑自己看到的是 AI 短片，直到看到這個畫面：

轉圈的老式電話，撥號時手指怎么在這里呢？而且，片子的設定里，燒的紙器都已經(jīng)是 iPhone 了怎么還會有這么老式的電話機？

這是 AI 短片《紙手機》里最被討論的一個畫面——不是因為它有多好，而是因為它全然地暴露了，這部短片是生成的，盡管前面幾分鐘逼真得讓人感受不出來。

但評論區(qū)沒有人在罵，彈幕飄過的是「看到這里才發(fā)現(xiàn)是 AI 做的」，緊接著是「完全不在意」，「AI 又怎么樣，又不影響我哭」。

從 AI 可以完整生成視頻誕生以來，沒有一個 AI 影像作品可以逃開這個問題：有多逼真？模型迭代的速度被當作技術進步的刻度，每一次發(fā)布都伴隨著「這次終于分不出來了」的驚嘆或「還是一眼假」的嘲諷。尤其是真人題材，仿佛只要足夠逼真，觀眾就會買單。

《紙手機》提供了一個反例。觀眾在明確知道這是 AI 生成的之后，仍然被打動，而且他們主動承認感動。那個電話 bug 不是被「原諒」了——它根本不在觀眾的評價維度里。他們在意的是另一件事：一個不懂死亡的小男孩，攢了 15 塊錢，想給去世的奶奶燒一部手機。

這部全網(wǎng)播放量超 4000 萬、被央視和人民日報轉發(fā)的 AI 短片，由兩個潮汕年輕人用三天做出來。導演李婷，98 年生，做了五年產(chǎn)品經(jīng)理后轉型；搭檔楊選，90 后，廣告導演出身，美術史背景。在可靈 AI 3.0 Omni 的幫助下，除了那部用紙殼板做的手機道具，畫面中的一切——光線、人物、場景、表情——全部由模型生成。

當一部沒有一秒鐘是物理真實的短片，觸發(fā)了真實的情感反應，「真」這個字意味著什么？

三天、兩個人、一個模型

故事開始于一個有關于時節(jié)的記憶。

正逢清明，李婷和楊選都是潮汕人，燒紙錢、祭祖、給去世的親人「寄東西」，是他們從小刻在身體里的習慣。楊選記得小時候跟家人上山，看到紙扎的煤氣罐、房子、車子在火里卷曲變黑，「用紙做這些東西，恰恰體現(xiàn)了中國人情感的內(nèi)斂和滯后，」他說。

「紙手機」這個概念就從這些記憶里生發(fā)出來，但讓它成為一個故事的，是一系列敘事設計上的選擇。

在故事的前段，面對只有 15 塊錢的孩子，老板一開始畫了個假手機打發(fā)他。直到得知，這個孩子已經(jīng)是個孤兒，身邊最后的親人也去世了，他起身追出去。

找到孩子后，老板沒有直接說「我來幫你」，而是說那部紙手機「信號不好」，給了他一部新的。

李婷說，這些笨拙的借口來自于她代入角色后的思考：「這個人在這個情境下，會怎么反應？」她想起自己小時候問長輩「什么是死亡」，對方愣了一下才回答。那個「愣了一下」的瞬間，被她放進了短片里——某個路人聽到小男孩問話后的短暫停頓。

還有老板追出去前，把店鋪的卷簾門放下一半，這代表著「暫時外出，很快回來」。

雖然是一部 AI 短片，但編劇環(huán)節(jié)是純?nèi)斯さ?，楊選在采訪中反復強調(diào)：新手一定要自己寫劇本，「來源于真實體驗才能打動人」。

劇本確定后，進入 AI 生成階段。他們使用的可靈 3.0 Omni，主要依賴三個功能：多圖參考（設定角色形象的一致性）、音畫同出（同步生成畫面與聲音）、以及主體資產(chǎn)中的音色鎖定（保證角色聲音在全片中統(tǒng)一）。

工作流從人物設計開始，先設計形象，放入模型讓它自由發(fā)揮對白，從中挑選最合適的音色，再鎖定。

李婷說，這個過程中最容易被忽略的一步是「寫提示詞之前的思考」。「很多人覺得提示詞要寫得很長很復雜，但更重要的是精準度——你到底想要什么?！?/p>

精準度這個詞在他們的工作流中反復出現(xiàn)。楊選為了理解不同視覺風格的底層邏輯，曾做過一個實驗：用同一個模型生成 10 種完全不同的電影質(zhì)感——日系、賈樟柯式、現(xiàn)代感?！覆皇窃谔崾驹~里寫 “楊德昌風格”，」他說，「主要是分析那種風格為什么成立，日系的白柔效果從哪來？雪地這種材質(zhì)怎么影響整個畫面氛圍？」

《紙手機》的膠片質(zhì)感就是這種方法論的產(chǎn)物。有趣的是，他們在提示詞中從未寫過「顆粒感」或「膠片」這樣的詞。楊選說，那種質(zhì)感是潛移默化、自然而然的。

「故事設定在那個年代，場景是午后暖光的紙器店、老式玻璃柜，這些東西放上去，質(zhì)感自然就出來了。」他直言自己喜歡楊德昌、李安、侯孝賢那一代人的鏡頭語言和敘事方式，但并非刻意模仿，而是「你想這個故事的時候，自然會用那個時代的方式去想」。

最后的車內(nèi)長鏡頭是全片最被稱道的段落。一分多鐘，小男孩坐在車上，窗外風景掠過，沒有臺詞，只有背景音樂。李婷說，提示詞主要描述的是窗外景色、小男孩的情緒遞進、車內(nèi)的顛簸感——以此模擬真實的坐車狀態(tài)。

這個鏡頭一開始只有 30 秒。楊選看完后覺得可以再長，于是逐步延長。「親人去世的時候，悲傷可能不是馬上來的，」他說，「你可能周圍的聲音都沒發(fā)現(xiàn)。耳鳴了一段時間，突然莫名的情緒一涌而上，像潮水一樣。」

這個設計，不是數(shù)據(jù)分析出來的，也不是 A/B 測試的結果，是他們作為創(chuàng)作者個人記憶和情感驅動做出的選擇

兩個人，三天，極限壓縮可能不到三天。作為可靈平臺的超級創(chuàng)作者，他們有算力支持，制作成本不高。但李婷特別強調(diào)了一句話：「AI 降低了制作成本之后，人的價值反而更凸顯了。成本里面更應該包括導演和編劇的創(chuàng)意策劃——這些無形的東西呈現(xiàn)出來的價值，才是重點?！?/p>

信了角色，就信了故事

采訪中我問了一個帶有假設性質(zhì)的問題：如果這個故事用真人實拍，傳遞出來的情感會不同嗎？

楊選很坦率：「實拍要做出來的話，非常吃力。小朋友演員能不能給到你要的東西？導演能不能調(diào)度到位？攝影呢？涉及太多層面了?！?/p>

李婷的回答更務實：「實拍更考驗演員對故事的理解和演技，AI 制作更考驗導演。所有調(diào)度和設計都由導演把控。」她說，對她這種從來沒有實拍經(jīng)驗的創(chuàng)作者，AI 工具給了一種此前不存在的自由度。

這些回答聽起來像是在替 AI 做辯護，但如果你把它們和另一組回答放在一起看，會發(fā)現(xiàn)一個更有趣的圖景。

當我問到「網(wǎng)友說“最沒人味的 AI 做出了最有人味的短片”，你們怎么看這個評價」的時候，楊選說了這么一段話：

「就像畫畫一樣，顏料是死的，演員演的也是假的。但為什么能打動人？因為創(chuàng)作者是真誠的。我們信了自己的角色，信了自己的故事。做提示詞的時候，潛移默化地，很多真實感的東西就給出來了。」

傳統(tǒng)影視中，「真實感」的來源路徑大致是：編劇寫出可信的人物，演員用身體和情感去「活」這個人物，攝影和剪輯捕捉并放大那些不可復制的瞬間。

這條路徑的核心假設是，需要經(jīng)過一具真實的身體來中轉。表演在敘事層面是「假的」（扮演角色），但表演的行為本身是真的：肌肉記憶、情緒調(diào)動、微表情、呼吸節(jié)奏，這些來自一個活著的身體。

AI 影像取消了這個中轉站，沒有演員，沒有「體驗過」角色的身體，但《紙手機》依然讓人覺得「真」。

一種可能的解釋是：那些被認為來自演員身體的「真實感」，有很大一部分其實來自導演和編劇的觀察力。李婷代入角色思考「他會有什么反應」時，她調(diào)用的是自己的童年記憶、對人的觀察、對情緒節(jié)奏的直覺。

這些東西經(jīng)由提示詞傳遞給模型，模型生成了畫面，畫面觸發(fā)了觀眾的共鳴。路徑變了，但起點和終點沒變：都是人的經(jīng)驗抵達人的情感。

這也解釋了為什么兩個人的搭配如此有效。楊選說，李婷負責「想象中的畫面」，他負責「講故事」。當不同的人帶著不同的生活經(jīng)歷碰撞時，會產(chǎn)生他所說的「反情節(jié)」——那些不在劇本計劃中、但因為足夠真實而被保留下來的細節(jié)，這些是 AI 無法自主生成的。

在采訪中，楊選提到了楊德昌、侯孝賢、李安等臺灣新浪潮一代。這些導演的鏡頭定義了「真」應該著重于情感層面的誠實。侯孝賢拍《風柜來的人》時大量使用非職業(yè)演員，追求的就是這種「不在計劃中」的真實。他要的不是精確的表演，而是人在真實情境中的自然反應。

AI 創(chuàng)作者正在用不同的介質(zhì)繼承這個邏輯，中轉站從演員的身體變成了模型的參數(shù)，但導演注入的東西沒有變：對人的觀察，對情緒的直覺，以及楊選所反復強調(diào)的，「真誠」。

完美是創(chuàng)作的敵人

采訪快結束時，我問了一個假設性的問題：如果未來 AI 可以一鍵生成完美的作品——沒有 bug，沒有穿幫，每一幀都無可挑剔——你們會更滿意，還是會覺得少了什么？

李婷的回答很干脆：「太完美不一定好。」

她舉了老板這個角色的例子。一開始他敷衍小男孩，追出去后的借口也笨拙得可笑。但觀眾恰恰因為這種不完美而覺得他立體、真實。

至于那個電話機的 bug，李婷認為瑕不掩瑜。她選中那一版的原因不是技術指標，而是「人物的微動作、微表情，以及鏡頭的銜接流暢度——這就是我想要的演員真實演繹的感覺」。

「工具越簡單，表達的難度未必降低。」楊選的回答更往前走了一步，「你要更明確自己想要什么、喜歡什么，才能借助更簡單的方式表達更好的東西?！?/p>

這也正是被反復討論的問題：當 AI 工具持續(xù)迭代、技術摩擦不斷減少，創(chuàng)作者的核心競爭力到底是什么？

楊選在采訪中給出的三個關鍵人工環(huán)節(jié)：編劇、導演、美術。「會用工具」是必須的，但工具將越來越趁手，所以構不成護城河。

更多的是一種能力：知道什么時候停下來。

什么時候情緒到位了，不要再改；什么時候 bug 反而成就了作品，不要去修；什么時候留白比填滿更有力量，不要多手。

這種判斷力不來自模型，來自人的經(jīng)驗和直覺。工具越強大，它越稀缺。

就像那個缺失的話筒，在技術層面是一個錯誤。但在傳播層面，它意外地完成了一件事：它讓觀眾確認「這是 AI 做的」之后，反而更專注于故事本身。

這個 bug 變成了一種通行證，觀眾不再需要糾結「這是不是真的」，因為答案已經(jīng)很明確。他們轉而去判斷一個更重要的問題：這個故事，是不是好的。

答案是四千萬次播放，和影片內(nèi)外共情的眼淚。

最沒有人味的工具，做出了最有人味的短片?；蛟S更準確的說法是：工具從來就沒有人味。有人味的，始終是使用工具的人。