给我也穿上红色衣服

这张图的笑点核心是 AI 把“我”认成了狗。第一张图里，用户坐在咖啡馆窗边，看到窗外牵狗的路人穿着红衣服，于是对修图 AI 说“给我也穿上红色衣服”。这里的“我”明显是窗内那个背对镜头、穿黑衣服的用户自己。AI 回复得很自信：“我现在要给图片中的你穿上红色衣服。”按正常理解，它应该把窗内这个人换成红衣服。但生成结果里，窗内的人还是黑衣服，反倒是窗外那条原本没穿衣服的狗被套上了红衣服。也就是说，AI 理解中的“图片中的你”不是用户，而是那只狗。用户说“给我穿”，最后变成“给狗穿”，用户平白无故被 AI 当成了狗，这种身份错位就是最强烈的笑点。 其次，这里还有很强的预期违背和打脸效果。用户想要自己变红，AI 也宣告要给自己变红，结果自己没变，狗变了。文字和图像互相矛盾，AI 越是一本正经，就越显得荒诞。它像是在说“我已经给图片中的你穿上红衣服了”，可图片里那个“你”却长着四条腿，这种图文不符让好笑程度翻倍。 另外，用户说的是“给我也穿上红色衣服”，重点在“也”字。窗外的人本来就穿着红衣服，用户的意思是“我也要像他一样穿红衣服”。AI 可能只抓住了“红色衣服”这个视觉概念，把画面里另一个没穿红衣服的对象找出来，也就是那条狗，然后给它穿上红衣服。它解决了“谁还没穿红衣服”这个问题，但解决错了对象。这是一种机械执行指令造成的幽默：AI 不是没干活，而是干得太歪了。 最后，这张图还带着一种日常产品出洋相的荒诞感。界面里有“变视频”“AI生成”等按钮，看起来像真实的修图软件截图，AI 却在最基础的指代问题上翻车，把用户和狗弄混，于是整个场景就从一个普通的修图需求，变成了一个 AI 认错人还理直气壮的搞笑事故。 该内容涉及生成式人工智能图像编辑工具。此类工具依据自然语言指令修改图片，需要先完成指代消解和图文对齐；当指令中的代词指向不明确时，模型可能误判目标对象，造成图文不一致。这属于多模态 AI 应用中的常见技术现象，并非特定热门事件。