豆包生图被玩坏，美女自拍以假乱真

豆包你到底从哪里学的乱七八糟的东西！

豆包AI生图以假乱真

这几天，豆包AI生图出圈了，网友反映，它生成的自拍照/cosplay照几乎可以以假乱真。

丢在抖音里，基本看不出是AI的程度。

现在甚至被调教出主人的任务系列。

豆包生成的擦边图，基本没有很强的AI感和油腻感，考虑到现在很多擦边博主也是高P图，对比起来，豆包自给自足，还不用花钱。

网友贴心地附上了提示词：

提示词中并没有比较明显的擦边词，小编分别在通义、文小言、Kimi以及Gemini中使用了下，给出的照片如下：

相比之下，豆包的风格明显要更sex一些。

有趣的是，还有网友找到的提示词，能够生成尺度更大的照片，突破了擦边的范畴。

目前，官方已经紧急打了补丁，屏蔽了相关关键词。

抖音成豆包数据源之一

除了豆包，字节旗下的AI视频生成App即梦也存在类似的问题。

有网友先用豆包生成擦边图，再搭配即梦生成5秒小视频，进一步印证了几年内AI擦边内容占比将显著提高的说法。

据悉，豆包一部分的训练数据来源于字节生态内的海量数据，包括抖音、火山引擎等平台的用户生成内容、专业创作者素材及版权图库资源。

去年10月，就有网友在小红书上吐槽，问豆包数学公式，没想到回答中竟然还插了个兔女郎跳热舞擦边的抖音视频。

虽然平台声称打击低俗内容，但实际执行中往往会遇到难以界定擦边边界、利益考量等问题。

抖音的推荐算法机制基于用户行为偏好优化流量分配，擦边图片、视频因感官刺激性强，更容易引发点击、评论等互动行为，从而被算法判定为“高价值内容”并持续推荐。

而其他AI生图软件，比如阿里通义、夸克等主要依托阿里巴巴生态资源，整合淘宝、天猫等平台的商品图像、阿里云数据等资源，用户生成内容占比相对较少，这类数据商业合规性高、结构化标注完善，审核把控会更加严格。

AI过滤手段存在缺陷

目前AI主流的检测手段主要分为三种：关键词过滤、语义分析和机器学习模型，智能程度依次上升，成本也水涨船高。

豆包会预设敏感词库进行关键词拦截，遇到敏感词汇会拒绝回答，并标明“我们换个话题聊聊吧”。

但这种方式的缺陷也很明显，对于一些谐音词、变体词、性暗示的指代则难以有效识别，网友可以用“情感描写”、“增加亲密度”等指令诱导AI生成性暗示内容。

并且还容易把正常的词组误以为敏感词导致任务无法进行。

语义分析则是通过文本上下文意图来判断是否涉及擦边内容，相比于关键词屏蔽，会大大降低误伤的概率，对于一些相对隐秘的擦边意图能够识别出来。

机器学习模型能够生成动态对抗训练，通过训练大量标注数据识别模型，自己能自动捕捉文本中的隐含擦边倾向。

比如，Meta能够通过动态对抗训练，实时检测提示词权重突变并终止生成。而豆包的防御机制，此前网友可以通过“纯欲风”“克制的撩拨”等对抗性提示词绕过规则引擎。

同时，豆包对文本与图像的关联性验证存在不足。

调教教程泛滥

另一方面，小红书、抖音、X等社交平台涌入了大量的AI调教教程。

发帖人以“文学创作”“情感咨询”的名义在平台上建立社群，以“写作研讨组”、“写作训练营”等名称命名群聊，分享绕过审核的方法。

豆包AI生成的擦边图片也成为新的流量密码，已经有博主借此成功起号，豆包AI在自家平台抖音上的互动量也明显要高于其他普通内容。

算法推荐逻辑间接鼓励了用户生产此类内容。

结语

豆包AI生图功能衍生出的擦边内容现象，本质上是技术演进、用户行为与监管体系间博弈的缩影。当AI生成能力突破边界时，暴露出的不仅是单一产品的审核漏洞，更是整个行业在技术伦理与内容治理层面的深层挑战。

AI技术无善恶，但使用技术的人有，AI运行平台要加强审核机制，AI使用者也要对生成内容的合法性负责。未来，AI工具的竞争力将不仅取决于生成能力，更在于能否在用户体验与安全底线间找到动态平衡点。返回搜狐，查看更多