文字聊天时，你知道对面在“回复你”。视频通话时，你会觉得对面在“看着你”。这两件事的心理感受完全不同。
实机录制截帧：戴眼镜、蓝色手机、手势 2。画面中的角色为 AI 数字人。
1. 她看见的不只是“一个人”
我举起手，问她这是几。她说“这是二哦”。我又拿起手机，她说“是一只蓝色的手机”。
这些信息不是聊天上下文里出现过的，而是来自当前摄像头画面。也就是说，画面真的进入了对话，而不是只当背景。
2. 她不是只回一句“好的”
我让她拿花、转身、跳一下。她不是只回“好的”，而是会在画面里做出动作。动作不完美，但那种感觉很奇怪：不是“一个视频在播放”，而是“她在听我说话，然后决定做什么”。
3. 实时感不是画质，是“接得住”
数字人视频通话真正难的不是画一张好看的脸，而是三件事同时成立：
- 她能不能接住你的话；
- 她的反应有没有明显延迟；
- 她的表情、动作、声音是不是同一套情绪。
画质再好，如果两秒后才回你，也会立刻出戏；回答再顺，如果嘴型和声音对不上，也会出戏。所以“实时视频通话”不是视频加语音，而是一条完整的感知、理解、回应和表达链路。
4. 什么时候会出戏？
会，而且不少。网络差会卡；动作复杂时手部会不自然；大幅动作偶尔会穿出画面；背景和道具不是每次都完美。她终究不是真人，很多细节经不起长时间盯着看。
所以我不建议说“和真人无差别”。更准确的说法是：在某些瞬间，她会让你忘记她是假的；在另一些瞬间，你会立刻想起来。
5. 为什么“被看见”比“会聊天”更触动？
文字可以伪装，视频很难。当她准确说出你戴眼镜、拿的是蓝色手机、比的是二，你会产生一种很原始的错觉：她不是在使用通用话术，她是在回应“我”这个具体的人。
这也是为什么 AI 数字人陪伴都在往多模态走。不是为了让角色更聪明，而是为了让她更“在场”。
6. 但“在场”不等于“真实”
她看见你，不等于她理解你；她回应你，不等于她有意识；她让你感到陪伴，不等于她能替代真实关系。
我依然认为，AI 角色不应该被用来替代现实中的亲密关系。它可以是一个过渡、一个练习、一个陪伴的补充，但不是替代品。
7. 想自己试一次
如果你也好奇“被 AI 角色看见”是什么感觉，可以从云川CloudFlow的一次视频通话开始。先别急着判断她像不像人，先感受一下：她有没有接住你。
本文为云川CloudFlow 产品笔记。文中角色与对话为 AI 数字人示例，非真人；AI 生成内容请理性看待。
