口播帶貨的鉤子、痛點、賣點、CTA 都寫對了，畫面卻還是有種說不出的假——多半不是腳本的問題，而是漏了幾個容易被忽略的真實感約束：眨眼的節奏、皮膚的質地、說話的呼吸感、鏡頭的手感。這篇只做一件事：把「AI 主播」變回「看起來像會呼吸的人」。
一眼被認出是 AI 的三個訊號
人腦對「臉」的辨識異常敏銳，任何規律到不自然的細節都會被標記成異常——這就是恐怖谷效應在口播影片裡的樣子。模型如果沒被特別要求，預設生成的「完美」畫面恰好踩中三個最容易被認出的訊號：眨眼太規律（像節拍器）、皮膚太乾淨（像上了三層美肌濾鏡）、語氣太順（像在唸稿，沒有一絲換氣或猶豫）。接下來逐一拆解，怎麼在提示詞裡把它們寫掉。
眨眼：太準時，反而是破綻
真人眨眼不是等間隔事件，它會被情緒、專注程度、講話節奏牽著走——時快時慢，偶爾連續眨兩下，偶爾又撐超過五秒不眨。模型若不特別要求，容易走向兩個極端：完全不眨（長時間直視鏡頭，顯得呆滯），或者機械式等間隔眨眼，規律到反而更假。官方手冊給的錨點很實用：每 3–4 秒自然眨眼一次。這不是要模型精算節拍，而是給它一個「有在眨、頻率合理」的範圍，避免落入兩個極端。寫進提示詞就是一句 natural blink every 3-4 seconds, slightly irregular timing。
皮膚：磨皮磨掉的，是「這是活人」的證據
美顏濾鏡把毛孔、細紋、油光壓平，直覺上更好看，但那些正是皮膚在散射光線時留下的物理痕跡——次表面散射（subsurface scattering）造成的微妙紅潤與陰影層次，是「這是一張活的臉」的視覺證據。少了它，皮膚會呈現一種均勻到不自然的蠟像感或塑膠感，大腦立刻讀出破綻。口播帶貨的鏡頭幾乎全程對著臉，這個問題被放到最大。解法是主動反向排除，而不是假設模型會保留質地：visible skin texture, natural pores, slight oiliness on the T-zone, no beauty filter, no airbrushing。
| 破綻 | 為什麼看起來假 | 加這句救回來 |
|---|---|---|
| 眨眼太規律 | 真人眨眼間隔隨情緒、專注度漂移；完全等間隔像節拍器 | natural blink every 3-4 seconds, slightly irregular |
| 皮膚太乾淨 | 磨皮抹掉次表面散射的紅潤與陰影，讀起來像蠟像 | visible skin texture, natural pores, no beauty filter |
| 口條太順 | 唸稿式等速語流沒有呼吸與遲疑，聽感生硬 | natural speech cadence, brief pauses, not a scripted read |
| 鏡頭太穩 | 教科書式穩定運鏡是廣告感，不是「有人正在自拍」的原生感 | slight handheld sway, natural imperfect framing |
口語：讓她「說話」，不是在「唸稿」
官方手冊特別點名口播的口語風險：避免書面化。書面稿唸出來語速均勻、句子完整、幾乎不換氣——這種「完整」恰恰是破綻，因為真人說話會在想詞、換氣、強調重點時自然停頓，句子也常常不打完就轉個彎接下去。與其在提示詞裡寫抽象的「自然一點」，不如具體描述停頓會發生在哪裡。
- 自然版：「這個──其實，我自己用了三個月」（停頓＋口語轉折，像在想詞）
- 唸稿版：「這個產品非常好用，我已經使用三個月，效果顯著」（語速均勻、句子太完整，像在唸稿）
- 把「其實」「就是」這類口頭禪當成節奏工具使用，而不是要刻意避開的缺點
手持感與不完美構圖：別修得像廣告
投流跟種草最看重的是「像朋友在跟你說話」，不是「像廣告在推銷你」。教科書式的穩定運鏡、精準置中的構圖，觀眾一眼認出是廣告，防備心立刻升起。手機自拍口播反而該保留輕微的手持晃動與不完全置中的構圖——這是 UGC（使用者原生內容）的視覺指紋，也是讓觀眾放下戒心的關鍵：slight handheld camera sway, natural imperfect framing, front-facing phone camera feel。
上面幾句真實感約束用英文描述最穩，但台詞本身、以及會出現在畫面上的文字（字幕、slogan）要逐字用目標語言放進引號，不要翻譯或改寫成英文——模型才會照著唸、照著顯示，例如 she says「這個──我自己用了三個月」。
組合起來：一段完整的真實感約束
natural blink every 3-4 seconds, slightly irregular timing; no beauty filter, visible skin texture and pores; natural speech cadence with brief pauses, not a scripted read; slight handheld camera sway, natural imperfect framing真實感約束是在「反向排除模型的預設偏好」，不是要模型多做動作。一次塞超過五、六個修飾語，模型容易顧此失彼——眨眼顧到了，口條又跑掉。抓緊眨眼、皮膚、口語、運鏡這四個最有效的錨點就夠，其餘交給模型自由發揮。
這篇只解決一個問題：口播畫面「看起來像不像人」。至於怎麼把賣點寫成拍得出來的動作，或投流、種草、品牌片各自該用哪套骨架，那是結構層的事——交給〈廣告六要素：把賣點變成鏡頭拍得到的動作〉和〈五種廣告腳本：投流、種草、品牌片、互動、出海〉去處理。這裡的四個錨點可以直接疊加進那兩篇的任何一支腳本裡，不衝突。