广告素材自审平台：让 AI 在每个环节先审一遍
今天把系统完善上线了，做了这么一个功能使用文档。
一句话说清它干什么：在广告素材制作的每个环节（脚本、制作、剪辑），都让员工先用 AI 系统自审一遍，减少把错误遗留到下一环节直至成片的概率。人工审核的压力小了，成片过审率也上去了。
一条成片审完的样子：左边原片，右边逐条结论，每条配证据帧
一、为什么要做这个
以前：常规流程每个环节也有自审，但员工自审能力参差不齐，很多明显的错误还是被提交到了人工审核。甚至同一个错误反复犯——一个人犯一遍，换个人又犯一遍。提交被驳回，改完再交，来回好几轮。审核这一关全压在人工审核那一个人身上，既增加他的压力，又降低整体效率。真提交给客户，就是损失。
现在：每个环节多一道 AI 系统自审，交给下一环之前先过一遍，改完再提交。明显的、易错的问题在成片提交之前就被过滤掉。
而且系统有循环进化：如果经过自审和修改之后仍有错误，那条意见可以回传给系统，下次它会提前拦住。
第一版设计了三个环节的自审。
审脚本 · 编导
查错别字、话术口径、红线。这一环还是纯文字，改起来成本最低，在这里拦下的问题不会带到后面。脚本可以直接粘进来，不用先存成文件。
审素材 · 制作
查画面红线、录屏、穿帮、画质。一次最多上传十个，同一批共用一个视频名称——制作交过来的文件名普遍是 0102 这种编号，不填名称在列表里根本分不清谁是谁。
审成片 · 剪辑
交付前的最后一道，字幕、音频、规格、红线全项复核。前两个环节无法覆盖的部分在这一环补齐，剪辑过程中新产生的问题也在这一环检查。
二、一条成片的实测
取一条 79 秒的成片，系统报出 13 处需要判断的问题。
13 处结论全貌：每条带时间码、规则号、证据帧
挑两组说明。
案例一：二维码
系统指出 34 秒和 36 秒，柜台上的单据上有二维码。
放大这一帧看：
圈出来的是收银台上那张小票，右边是放大
收银台上那张小票，上面印着一个二维码。画面主体是猫和台词——这个二维码的位置和尺寸，靠人自审一般很难发现，最后就把带着错误的成片交上去了。现在系统提示之后直接打码就行。
案例二：CR 标注
系统一共指出三处关于 CR 标注和素人信息的问题。
前两条说的是同一帧：引用了他人素材，右侧标了 cr@二柱子真聪明，但格式不规范；同一帧里录屏中作者的昵称和头像没打码。
第三条是 58 秒：系统认为 58 秒 CR 标的是「二柱子真聪明」，62 秒同一段录屏合集标的却是「萌宠百科Show」，前后对不上。
两帧对照：
58 秒，署名 cr@二柱子真聪明
62 秒，署名变成 cr@萌宠百科Show
第三条是一条误报。 58 秒画面是「二柱子真聪明」的辣椒科普，62 秒是「萌宠百科Show」的合集，本来就是两个账号的两段录屏，各标各的来源，剪辑标得没问题。AI 误把两段录屏当成了同一段。
误报是设计出来的，不是缺陷
这种误报会经常发生。但误报是这套系统的重要一环。
取舍很明确：宁可错报 1000 条，不能漏报 1 条。
理由很简单：
- 漏报一条，成片交上去会被人工驳回，甚至直接到客户手里，造成严重损失
- 错报一条，几乎没有损失。员工判断是误报，点一下「忽略」或「误报」，不需要改任何东西
而且「忽略」和「误报」的记录会自动收集，用作调整规则和提示词的依据。误报不是白费的，它是训练信号。
三、系统的核心：规则包
由 AI 设计，交给 AI 用，人工管理。
各环节用什么模型
| 用途 | 模型类型 | 当前选用 |
|---|---|---|
| 规则包设计 | 文本大模型，重长文理解和归纳 | Claude Fable 5 |
| 审片 | 多模态大模型，能读图 | doubao-seed-evolving |
| 审脚本 | 文本大模型 | doubao-seed-evolving |
| 转写台词 | 语音识别 | Whisper turbo |
| 规则维护 | 文本大模型，重长文理解和判断力 | Claude Fable 5 |
| 变音器 | 语音合成 | CosyVoice3 |
每一项功能各用各的模型，都可以在后台自定义更换。规则维护那一项怎么选出来的，写在另一篇里。
为什么不直接用视频识别模型
测下来目前的视频识别失败率偏高。同一条成片，整片直传只报出 2 条，抽帧逐张读报出 11 条，而且漏掉的都是关键且容易发现的问题。
原因是视频进模型送审之前会被压缩，CR 标注、收益数额、AI 标识这些小字糊成一团；抽帧则是原分辨率送审，细节清晰得多。
规则包怎么来的
九份规则包，一共 74 条
把产品的红线文档、历史审核记录和审核惯例交给 AI，整理成规则包，再由人工判定生效后使用。
规则包设计成三个轴——通用、产品、环节，每个轴下面挂各自独立的包：
- 通用包：所有产品共同遵守的，比如不能涉军涉政、不能用绝对化话术
- 产品包：产品专属的，比如产品名称的叫法、风险提示
- 环节包：这道工序的审核范围，比如编导环节查脚本的错别字、话术口径、红线
这么分是为了便于管理和增补——加一条新规则时，先想清楚它属于哪个轴。
一条规则长什么样
一条规则的原文：第二节案例二那条 CR 标注用的就是它
每个产品对应一份产品包、三份环节包，外加通用红线和通用惯例各一份。
每条规则有自己的编号，两个字母加序号。第一个字母是范围（G 通用 / P 产品），第二个是级别（R 红线 / A 惯例）——所以有 GR 通用红线、GA 通用惯例、PR 产品红线、PA 产品惯例四类。
每条规则固定六个字段：
| 字段 | 作用 |
|---|---|
| 级别 | 红线命中即打回；惯例是反复被驳回但不致命的 |
| 环节 | 三个环节各标 ✓ 或 ✗，送 AI 之前按当前环节裁——编导阶段不会拿成片的标准判 |
| 看哪 | 查画面、字幕还是逐字稿，AI 只在指定范围内检查 |
| 判定 | 什么情况报 |
| 不报 | 什么情况不算问题，用于限制 AI 的过度推断 |
| 来源 | 从产品红线文档来的还是从历史审核记录来的，改的时候能追溯出处 |
「不报」这个字段是整套设计里最关键的一个——没有它，AI 会把一切沾边的东西都报上来。
四、审核流程
以剪辑环节的成片自审为例，走一遍完整流程。
审核的八个步骤
上传：剪辑上传成片、选对应产品，点开始审核。
准备（接收 → 读规格 → 抽音轨 → 转写台词 → 台词与声音 → 抽帧）：系统把成片拆成 AI 能判定的素材——视频规格、带时间轴的逐字稿、原分辨率的帧（每秒一张打底，关键处补抽，平均约 1.3 张/秒）。
对规则：把规则包连同这批帧和逐字稿一起交给审核 AI，逐条核对。
出结论：每条写明依据哪条规则、第几秒、画面上看到了什么，并附上那一帧。
一条 79 秒的成片，从上传到出结论约七十秒。
自审和修改
一条结论：时间码、规则号、依据，右侧是 AI 截的证据帧
看结论：每条都写清楚第几秒、依据哪条规则、看到了什么，右边配那一帧。点一下时间戳，左边视频直接跳到那一秒开始播，不用手动拖时间轴找。
逐条判：每条下面三个按钮——要改 / 忽略 / 误报，剪辑自己判断。
修改：判完之后页面顶上汇总成「要改 3 处：12s、35s、48s」，位置一次列全。
再提交：改完提交人工审核。
五、规则会自己进化
规则包不是写死的，从漏判和误判两个方向持续修正，用得越久越准。
回传的意见由 AI 拟成草案等人确认；下面是忽略 / 误报周报的导出
方向一：漏判
经过自审和修改后仍被人工驳回的，属于漏判。
被驳回的记录在列表里标着「人工审核未通过」，点这个标记打开回传表单，把驳回意见原文抄进去，能填第几秒就填。提交之后这条漏判就进到规则草案里等人工判断。
方向二：误判
误判不改规则本身，改的是规则的表述。
每次点「误报」都会被记录，系统按规则统计误报率，周报按误报率排序。排在前面的规则通常是判定口径有歧义的——改写它们的措辞，提高判定精度，减少无谓的判定操作。
这一步的产出物是更清楚的措辞，不是更多的规则。
六、其他生产工具
除审核之外，左侧「工具」区还有一批面向生产环节的能力：
| 工具 | 状态 | 说明 |
|---|---|---|
| 变音器 | 已上线 | 把一段配音换成另一个人的音色，台词、语速、断句不变。模型跑在本机，5 秒配音约 9 秒完成。音色库全员共用，上传者自己管理 |
| 音频分离 | 建设中 | 人声、背景音乐、环境音分轨导出 |
| 抽帧 | 建设中 | 按指定密度导出画面帧 |
| 自动剪辑 | 建设中 | 依据脚本与素材自动粗剪，输出可继续加工的时间线 |
| 自动改视频 | 建设中 | 针对审核结论里的常见问题，自动打码、替换、裁切 |
建设中的功能在左侧同样可见、标注为待建设，完成一项开放一项。
七、后台管理
后台按四级权限开放：系统管理员、项目负责人、组负责人、成员。分的是可见范围与操作权限，三个审核入口对所有人一致。
- 账号管理：新建、停用、删除成员账号，分配所属组。初始密码统一下发，首次登录必须修改，未改的会被标出来。停用立即断开登录但保留记录，删除则连同上传记录一并清除
- 成员自审：按人统计四项——提交次数、未判定条数、判定为忽略或误报的条数、上报的人工驳回次数，按人工驳回次数排序。用来识别没按要求用自审的人
- 规则草案：成员回传的驳回意见经 AI 整理后排在这里等确认。确认后立即写入规则文档生效，不该长期保留的直接丢弃。同一条草案只能处理一次
- 规则管理：查看现有规则包，新建产品并上传产品红线文档（支持图片格式识别），导出忽略与误报周报
- 模型管理：按任务槽位分别指定模型，切换不需要改代码