网上自动生成的名字 网上自动生成的AI古风视频怎么制作

有位读者发给我一张截图,是某个起名工具的输出,一百个名字,每个后面跟着分数,九十八分、九十五分。他说看着都挺好,就是挑不出来,感觉都壹个味。
我看了两分钟就明白难题在哪里。那一百个名字里,「涵」「轩」「梓」「沐」「宸」这多少字反复出现,组合方法就那么几种,字义之间没有关系,只是被评分制度凑到了一起。
这类工具不是不能用,但要了解它在做啥子。它做的是一件统计和排列的事,不是判断壹个名字怎么样的事。搞混这两件事,就会挑出一堆「分数很高但念着别扭」的名字。
生成器的原理,说白了是字库加制度
第一层是字库。工具背后有壹个几千字的候选池,按性别、含义、五行、笔画打了标签。你输入条件,它就从池子里筛出一批符合的字。
第二层是组合制度。把筛出来的字两两配对,排除掉明显不雅的谐音,剩下的就是候选名字。这一步是纯排列组合,没有任何语义判断。
第三层是评分。多数工具用的是五格剖象,也就是按笔画数算天格、地格、人格、总格、外格,再对照一张吉凶表。这套算法前面专门写过,源头是日本的姓名学,和汉字本身的含义没关系。
因此整个流程里,唯一被「评估」的是笔画,字义、读音、组合、姓氏冲突,统统不在计算范围内。这就是拼凑感的来源。
这类工具早期其实是测算网站的附属功能,逻辑是把五格剖象做成程序。后来加了诗词库、字义库,看起来更像起名,骨子里的评分逻辑没变。
工具还会输出「含义」栏,把每个字的意思列一遍。但字义相加不等于名字的意思,这一点它解释不了。
拼凑感从哪来
第壹个来源是高频字堆叠。字库里被标为「含义好」的字就那么几十个,工具为了凑高分,会反复运用。你看到的「沐宸」「宸轩」「梓涵」,本质上是同一批字的不同排列。
第二个来源是字义不搭。「沐」是沐浴,「宸」是帝王的居所,两个字放一起没有任何内在联系,只是各自的评分都高。念出来顺口,但经不起追问:这名字想说啥子?
第三个来源是忽略姓氏。生成器多数只看名字两个字,不看姓。姓「吴」配「德」,念出来是「无德」;姓「史」配「珍」,是「史珍」;这些在工具眼里都是高分组合。
第四个来源是忽略读音。三个字全是同一声调,或者韵母挤在一起,工具不会提示。前面写声调和韵母那两篇讲过,这类难题念一遍就露馅,但在纸面上完全看不出来。
同义重复也是一种拼凑。「欣悦」「欢愉」这种两个近义字叠在一起,语义上重复,念着也平,工具不会提醒,由于它只看单个字的分数。
评分高的名字,何故反而不好用
由于评分的目标和你的目标不一样。它优化的是笔画组合落在吉格里的概率,你优化的是这个名字能不能被人顺口叫二十年。两个目标没有交集,甚至常常冲突。
我做过壹个小测试,把多少公认好听、用了很多年的名字输进去,分数普遍在七特别上下;再把多少明显拗口、字义牵强的组合输进去,反而能到九特别。这不是偶然,是算法的必然。
还有壹个更实际的难题:评分越高的组合,往往越是那些高频字的排列。也就是说,工具不仅不能帮你避开重名,还会把你推给重名最密集的区域。
因此对这类分数,我的态度是看看就好。它唯一有用的地方,是帮你排除那些笔画明显不协调的组合,仅此而已。
评分制度还有个副影响,就是偏爱笔画复杂的字。某些格数在特定笔画区间才吉,于是工具会推你去选生僻、难写的字,孩子写名字的痛苦它不负责。
机器可以当筛子,不能当决策
正确的用法是三步。第一步,用它生成一批候选,不要看分数,只看字。挑出你觉得字面有意思的,二十个左右就够。
第二步,自己动手筛。把姓氏加进去念三遍,念着别扭的划掉;查一下谐音,有歧义的划掉;看看字形,头重脚轻或者笔画悬殊的划掉。这一步能砍掉一大半。
第三步,回到人和场景。把剩下的名字写在纸上,放两天再看,还喜爱的留下;再让家里人叫一叫,听着别扭的去掉。名字最终是给人叫的,这一关机器替不了。
我常跟人说,起名这件事,工具能帮你想出你也许想差点的字,但判断何者字配何者字,还得靠人的耳朵和眼睛。把决策权交出去,出来的名字就会像那一百个候选一样:都对,但都不像壹个人。
最后还有壹个提议:把生成的名字念给不熟悉的人听,让他们写下来。写对的比例低于一半,说明这个名字在口头传播上是失败的,再雅也没用。
