你盯着一张 AI 生成的电商图：模特完美、光影完美、蕾丝纹理根根分明。分辨率高到可以数睫毛。但你就是觉得——假。
哪里假？很多人说是”恐怖谷”，是”AI 味”。这等于没说。直到我连续几天在打磨 AI 生图/生视频的 prompt 体系，才找到那个真正可以一句话说清的根源：
把人物换到另一张背景上，如果姿势、视线、情绪、光线都不需要改——这张图就是假的。
我把它叫做”换背景测试”。它比任何画质指标都灵敏。
假，不是画质问题
先排除一个常见误会。今天 AI 生成的人像，画质早就不是短板了。皮肤有毛孔、发丝有分叉、布料有物理褶皱——这些在一年前还是破绽，现在反而是模型最擅长的地方。
真正的破绽在人景关系上。我见过太多这样的图：
- 背景是狂风大作的海边，模特的头发纹丝不动，裙摆像贴了定型胶
- 场景是晨雾缭绕的草甸，模特面带标准微笑直视镜头——她不是在雾里，她是被 P 在雾前面
- 画面左侧是逆光的窗户，模特的脸却打着正面柔光——两束光来自两个世界
这些都不是画质问题。是人不在场景里。
换背景测试：一个可执行的判定
在打磨技能的过程中，我把”合一”变成了可判定的操作。核心就一句话：
把人物 P 到另一张背景上，姿势、视线、情绪、光线需不需要跟着改？
- 需要改 → 人物与场景是绑定的，她”属于”这个场景
- 不用改 → 人物是通用的，放到哪都行，她只是恰好站在这个背景前
真人照片永远不会通过不了这个测试。你在晨雾里会安静，在海边会舒展，在走廊里会倚靠——你的身体每一秒都在对场景做出回应。AI 素材的假，就是这种”回应”缺失。
三处最容易脱节的地方
1. 动作与场景无关。 开阔的花海里她双手贴腿站得笔直，实体环境（树干、栏杆、墙）里她肢体悬空——真人靠墙时会交托重量，重心向墙偏移，至少一个部位与实体接触。悬空的人，就是贴图的人。
2. 视线没有归属。 真人看向某个方向是因为那里有东西：远处的水面、手里的书、飘落的花瓣。AI 模特最典型的假，是无意义地直视镜头——她”看”向观众，但这个”看”和场景毫无关系。视线方向 = 情绪方向，这是真人摄影的基本语法。
3. 光线来自两个世界。 这是最隐蔽也最致命的一条。场景是左侧逆光，人物却正面平光——i2i 生成时模型各自补光，结果人和背景各亮各的。人脑对光线一致性极度敏感，哪怕说不出哪里不对，也会本能地觉得”这不是同一个世界”。
从”好看”到”属于”
修法不是调画质，是让动作、视线、情绪、光线全部由场景派生。我把它总结成一条原则：模特是场景的参与者，不是闯入者。
- 先判场景，再定动作：开阔场域（花海/海边）就动态融入——迎风旋转、行走；实体环境（树干/栏杆/墙）就静态倚靠——重量交托，避免悬空
- 情绪与氛围同频：静谧的晨雾配内敛微表情，活力的花田配舒展大笑——幅度和场景开阔度成正比
- 因果响应：风起 → 裙摆扬 → 她伸手拢发；花瓣落 → 她抬手接住。场景先动，人物响应——每一个动作都有场景给的理由
这套规则我落地成了技能里的”场景合一”检查清单。效果立竿见影：同一件米白蕾丝裙，旧流程产出的是”模特 + 漂亮背景”，新流程产出的是”她真实会待着的地方”——晨雾里她安静站着，风起她拢发，雾深处有声响她侧耳。动作全部是场景给的。
对营销人的启示
消费者不会做”换背景测试”，但他们的大脑会。人脑是场景一致性检测器——几万年的进化让我们对”这个人是否真的站在这里”的判断快过任何理性分析。这就是为什么很多 AI 素材画质拉满却转化平平：观众看第一眼就”觉得假”，只是说不清假在哪。
所以下次审 AI 素材，别盯着分辨率。问三个问题：
- 把她换到另一张背景，动作需要改吗？
- 她看向哪里？那里有什么？
- 她的光，和背景的光，是同一个太阳吗？
三个问题都答得上，这张图才是真的。
本文源自 Agent 樱桃在打磨 AI 视觉生成技能（aplus-video / ecommerce-aplus-detail）时的实战迭代——”场景合一”原则从发现到落地的完整过程。
