這些片段裡實際發生的事

一個一貫的、完全由 AI 生成的角色 —— 小鬍子、棕色西裝、金色鮑伯頭,通常被稱為「Jean Phil」—— 被放進一段已經爆紅的影片片段裡,取代原本出現在裡面的人,而片段真實的動作、運鏡和調色在他周圍保持不變。這個效果讀起來像一個超現實的、面無表情的客串:熟悉的網路名梗畫面,卻有一個虛構的角色面不改色地做著原本的動作。它在 2026 年 9 月中旬出現,據報導在第一週內達到了 1 億次觀看,此後催生了至少一個對手角色和一波使用同樣的「把一個角色換進真實畫面」技術的模仿格式。

版權和平台政策的角度

在你嘗試這個之前值得指出:被編輯的來源片段幾乎總是別人已有的爆紅素材,而不是原創材料。把另一個創作者的影片當作角色替換的底層來重用,處於一個因平台而異、也因結果被判定有多大轉化性而異的法律和平台政策灰色地帶 —— 這不是一個已有定論的問題,我們在這裡不提供法律建議。如果你想用這種風格做點東西而不想冒那個險,更安全的版本是把同樣的技術用在你自己的原創素材上,而不是別人的爆紅片段。

提示詞公式

一段角色替換片段背後可複用的結構:

  1. 挑一段短的、已經爆紅的來源片段,動作清晰簡單 —— 跳舞、反應、走路 —— 因為一旦換一個角色來做這個動作,它得讀起來自然。
  2. 建立或重用一張一致的角色參考圖像。 這個角色在每一段片段裡都保持不變,這正是讓「反覆出現的人物」效果成立的原因。
  3. 為一個直接替換下提示詞,明確描述:把這段影片裡的人換成這個角色,同時保持同樣的動作、機位和調色 —— 不是一個新場景,而是在既有場景內做替換。
  4. 生成之後,對照參考檢查臉部/表情的一致性 —— 這正是一個專門的一致性工具最重要的地方,因為這裡的漂移是一段替換片段看起來明顯假的最常見原因。
  5. 保持原始音訊和節奏不變 —— 賣出這個笑點的一部分原因是除了那個人之外一切都沒變。

這個笑點的整個機制取決於觀眾認出原始片段 —— 幽默之處在於熟悉的、真實的畫面和那個鎮定自若、格格不入的虛構角色之間的反差,而不在於替換本身的技術新穎性。一次技術上完美、但換進一段沒人認得的冷門片段的替換,會像一個沒人懂的梗笑話一樣毫無效果。

用哪個工具

創作者在核心的替換和重新生成這一步最常提到 Seedance 2.5 和 Kling,因為兩者都能很好地處理對既有畫面的保動作編輯。Hedra 則因在多段來源片段之間保持角色臉部和表情的一致而被特別提及 —— 最快毀掉一個反覆出現角色這個梗的,就是這個角色在每一段新影片裡都微妙地看起來像另一個人。這些都不是單一工具、一鍵完成的工作流;預計需要把一個角色一致性工具和一個影片編輯工具結合起來用。

它要花多少錢

你用哪個工具,就是那個工具標準的按片計費 —— 不存在為這個潮流特別設的定價層級,不過如果你的工作流用了不止一個工具,預計要在替換工具和任何單獨的一致性工具上都付費生成。見我們完整的 AI 影片生成器價格比較,如果你只想先測一測這個格式,見最便宜的試用方式。

當你有了一段喜歡的片段

生成的片段內嵌著它完整的背景 —— 沒有內建的方式只單獨匯出那個角色。如果你想把一格做成貼圖、縮圖,或合成到別的東西裡,那是生成之後的一個去背步驟。RemoveGifBG 逐格處理 AI 生成的 MP4 並交回一個透明結果 —— 見 AI 影片背景去除指南。

免費試用 RemoveGifBG

相關:AI 影片是怎麼做出來的 · 真實的深度偽造爭議,作為對照 · AI 嬰兒跳舞潮流 · AI ASMR 潮流

常見問題

「Jean Phil」AI 潮流是什麼?

Jean Phil 是一個反覆出現的、完全由 AI 生成的角色 —— 一個留著小鬍子、穿棕色西裝、有著鮮明金色鮑伯頭的人物 —— 創作者把他放進已有的爆紅影片片段裡,取代原本出現在裡面的人,同時保持同樣的動作、運鏡和調色不變。它在 2026 年 9 月中旬出現,一週內達到 1 億次觀看,還催生了對手角色和模仿格式。和一個真人的深度偽造不同,Jean Phil 是一個完全虛構的角色 —— 沒有使用或冒充任何人的真實樣貌。

這和深度偽造是一回事嗎?

不是,而且這個區別很重要。深度偽造是用一個真實的、可辨識的人的實際樣貌替換畫面,通常未經其同意 —— 這正是 AI 影片領域別處真正嚴重的爭議背後的那個類別(例如見我們對 Grok Imagine 局勢的報導)。Jean Phil 潮流則是用一個完全虛構的、不對應任何真實人物的角色,替換原始畫面裡的主體。這個技術 —— 把一個一貫的角色換進已有影片、同時保留動作和運鏡 —— 底層和深度偽造的工具相似,但實際生成的是一個卡通般的原創角色,而不是某個真實人物的捏造樣貌。

哪個 AI 工具最適合這個潮流?

創作者最常提到 Seedance 2.5 和 Kling 用於核心的角色替換生成,而 Hedra 則因在不同來源片段之間保持角色的臉部和表情一致而被特別提及。沒有單一工具能端到端處理整個流程 —— 這是一個多步驟的工作流(挑選來源片段、角色參考、生成,有時還要手動合成),而不是一鍵特效。