本文要点
- 先用同一个文件测两次：分数一样，变化来自照片；不一样，是工具本身在波动。
- 五个变量：光线改明暗，角度改三庭和对称，距离改鼻子和脸宽，表情改眼和嘴，遮挡让点找不准。
- 人的评分也随照片变：同一个人换一张照片，评分就可能完全不同。
- 想比较，就固定拍法，一次连拍三张都测，看范围，不看单个数。
为什么每次测的分数不一样？因为量的是另一张照片
任何 AI 颜值打分，第一步都是在照片上找脸、定点，再从这些点读出距离、比例和明暗。照片是它唯一的输入。你没变，照片变了，输入就变了。
先做一个对照实验，把原因分开：同一个文件测两次。
- 两次一样：平时的变化来自照片。
- 两次不一样：工具本身在波动，换什么照片都说明不了问题。
还有一个容易忽略的原因：工具会更新。一家人脸打分网站公开过自己的分数汇总，同时写明引擎重新校准过，之前的分数和之后的不能比。隔几个月再比，先确认量尺没换。
五个变量，各自挪动照片里的什么
| 变量 | 照片里变了什么 | 细说 |
|---|---|---|
| 光线 | 明暗和肤色；单侧光让一边亮一边暗，顶灯在眉下、鼻下投影 | 自拍光线 |
| 头的角度 | 低头上庭变长；转头让靠近镜头的半边变宽 | 拍照角度 |
| 拍摄距离 | 越近，鼻子和脸中间越大，脸侧越小 | 自拍变形 |
| 表情 | 笑让嘴变宽、眼睛变窄、上唇变薄 | 表情对五官比例的影响 |
| 遮挡和画质 | 镜框挡眼角和眉，刘海盖发际线；画面模糊，点更难定 | 戴眼镜拍照 |
拿示例照片对一遍：它面朝窗拍，两颊亮度 201 和 197，额头 191，光很匀；头只歪了约 0.4°。但它是笑着拍的，两眼的高 ÷ 长是 0.29 和 0.31，比不笑时窄。五个变量里，它只放开了表情这一个。
人给照片打分，也会这样变
2011 年一项研究找了 20 个人，每人 20 张网上找到的照片，请 40 位评分者逐张判断有没有吸引力。结果，同一个人的照片之间差别很大：对任意两个人，都能挑出照片，把「谁更好看」反过来。作者的结论是，吸引力一部分取决于脸，一部分取决于照片。
同一研究里，符合护照规范的照片反而被评为不太像本人（按他们的评分尺度，3.92 对 4.23），作者认为主要因为没笑。
作者还指出，对称、平均脸这类因素，能解释人与人之间的部分差别，却解释不了同一个人照片之间的差别：骨骼根本没变。
所以从人的评分里学出来的颜值打分，会继承这一点。前面那家网站的汇总也写着：对称是波动最大的一项，一部分来自拍照，头稍微转一点、光不均，分数就掉。
把变量固定住：每次都一样的拍法
目的不是拍出最好看的一张，而是让每次的照片可以比。完整拍法见正脸照怎么拍，这里只列「每次一样」的部分：
- 光：同一扇窗，白天同一时段，屋里的灯全关。
- 机位：手机放支架上，和眼睛一样高，后置镜头，离脸 1.5–2 米，人每次站在同一个位置。
- 表情：放松、闭嘴；要笑，就每次都笑。
- 遮挡：摘眼镜，头发拢到耳后，美颜全关。
- 张数：一次连拍三张，三张都测。
三个数之间的差，就是这套拍法的「噪声」。下一次的变化比它小，说明不了什么；比它大，才值得找原因。
FacialRate 怎么做：分数说的是这张照片
- 它直接写明：分数描述的是这张照片。光线、角度和表情会改变模型看到的东西，同一个人换一张照片，读数可能不同。
- 免费、不限次数：可以照上面的拍法一次测三张，比范围，不比单个数。
- 不只一个数：颜值报告里有颜型、最强的一项、三个亮点和 11+ 项维度。分数变了，先看哪一项在动：对称变了，查头有没有转；眼部变了，查表情。
- 评分标准由你选：女性或男性，自己选，不从照片推断。比较时每次选同一个。
- 建议只讲拍照、发型、妆容和护肤，不涉及任何医疗。
常见问题
同一张照片测两次，分数会变吗？
取决于工具。用同一个文件测两次：一样，说明平时的变化来自照片；不一样，说明工具本身有波动。
哪一张照片的分数才算数？
没有哪一张是「真」的。按同一套拍法拍的几张，读数会落在一个范围里，看范围比看单个数更靠得住。
笑着拍还是不笑？
都可以，前后一致就行。一项 2011 年的研究里，张嘴笑的照片被评为更像本人。