好的那一种假视频

随便打开今天的任何一个信息流，你都能看到一张脸在说它从没说过的话。一位政客、一位明星、一个陌生人——被塞进一个从未发生过的场景里，对着口型念出他们从未说过的话。短短两三年间，换脸视频从实验室里的稀奇玩意变成了随处可见的背景噪音，而多数时候，它的枪口是对着你的：为了推销、为了抹黑、为了行骗、为了让你连眼前看到的东西都开始怀疑。

在 Annoying-Is-Caring，我们打造的是一模一样的技术。我们用它把爷爷变成动作大片的主角。是有意为之。而且，我们还悄悄地用它去教会机器一件极其"有人味"的事。

同样的工具，相反的意图

关于换脸，有一个让人不太舒服的真相：技术本身是中立的。像素并不知道自己是在伪造一份认罪，还是把你爸的脸放进那个慢镜头里、头也不回从爆炸中走出来的英雄画面。真正把两者区分开来的不是软件——而是意图、许可，以及手艺。

我们在这三点上都是刻意为之的：

意图

是为了逗你所爱的某一个具体的人微微一笑——而不是去糊弄一群人。

许可

这些视频是由你亲手做、专门为你的那个人做的，用的是你自己拥有的照片，私下分享给一个正等着收到它的人。没有谁的脸会被公开播出去欺骗某个陌生人。

手艺

这一部分值得多停留一会儿，因为正是在这里，诡异和讨喜才真正分道扬镳。

教机器变得好笑

人们以为一家做笑话的公司，无非是给一个大型 AI 模型套了层薄薄的壳。其实不是。幽默，是人工智能中真正难啃、至今悬而未决的问题之一——而它恰恰是一位了不起的老师。

一个模型可以整天写出语法完美无缺的句子。但要让它写出一句能逗某一个住在某个小镇的 78 岁老人在早餐桌前咯咯发笑的话，那完全是另一项运动了。这需要节奏、意外、简练，还有一个小小的私人细节，说着这一句是专为你写的。所以我们绝不用第一稿：系统会为每一个笑话试演好几个版本，再让一位 AI 评委挑出最戳人的那一个。到了视频里，旁白甚至学会了单口喜剧里最古老的一招——在抖包袱之前，那一记停顿。

换脸喜剧，正是让这一切落到实处的地方。一个笑话在没有落到一张你认得出的脸上、没有落进一个正因为是他本人才显得荒诞的场景里之前，都还是抽象的。把这件事做好，逼着模型去理解的不只是"这好笑吗？"，而是"这是在拿这个人开玩笑，好笑吗？"——一个丰富得多、也难得多的问题，也是一堂好得多的课。

把对的脸放到对的人身上

这就引出了那些真正吞掉我们时间、却毫不光鲜的工程活儿——也正是恶意深度伪造与欢乐深度伪造之间最清晰的那条界线。

一次换脸可以看上去天衣无缝——清晰、平滑、以假乱真——却依然完全错了，因为它把对的脸放到了错的人身上。在只有一个人的片子里，这种事不会发生。可一旦你把它对准一个真实的场景——两个人在跳舞、一桌人在吃饭、一段中间有剪辑的电影片段——身份问题瞬间就成了整场比赛的胜负手。

教会我们最多的，是一段双人舞的片子。一帧一帧地看，都棒极了。可就在一处镜头切换之后，它把两张脸都换到了同一个舞者的头上——一个人顶着两个身份，为同一颗脑袋厮打。一帧漂亮的画面，却彻底搞错了谁是谁。图表上的一个数字对此只会耸耸肩；而人一看就本能地往后一缩，因为我们每个人都被调校得无比精准，一眼就能认出自己所爱的人。

修好它，才是这份活儿本身：我们在每一次镜头切换处把视频切开，在每一个镜头之内判定谁是谁；每颗头我们只保留那一个最佳识别结果，这样一个特写就不会被塞进两个身份；我们跑一些便宜、近乎瞬时的检查，把那些纯"画质"评分会欣然放行、却明显错得离谱的换脸一票否决；我们还用成千上万个点去建模一张脸，好让一个身份在扭头时依然稳稳存在，而不是融化成另一个人。

我们为一个"软"的理由而对此偏执，可它的后果却很"硬"：这份礼物只有在屏幕上那个人无可辩驳就是他们所爱的人时才成立。身份一旦搞错，你手里就不是一段好笑的视频了——而是一段诡异的视频，那份温暖也就没了。而把它做对，恰恰就是那份修养，把一个为逗人开心而生的工具，和一个为欺骗而生的工具区分开来。

我们真正想要的未来

假视频不会再乖乖回到盒子里了。真正有意思的问题从来都不是"我们能不能拦住它？"——而是"我们把它对准什么？"你可以拿这项技术去侵蚀信任，一次一个以假乱真的谎言。你也可以拿同样这些像素，去做一段三十秒的惊喜，让某个人对着手机放声大笑，然后回你一句"再给我发一遍！"。这两个未来里，有一个是我们想要活在其中的。而美妙之处在于：把欢乐的那个版本做好——带着许可、带着用心、把对的脸放到对的人身上——恰恰也正是我们在教机器去做一件至今没有任何基准测试能完全衡量的事：有意地，拿某个人，逗人发笑。

同样的工具，相反的意图。这就是整家公司的全部。