我用 WorkBuddy 把 AI 短剧的「穿帮」做成了一套可机检的自检体系：9 类锁法 + 拼帧质检 + 语音校验

第 2 篇 ｜ 标题：我用 WorkBuddy 把 AI 短剧的「穿帮」做成了一套可机检的自检体系：9 类锁法 + 拼帧质检 + 语音校验

我用 WorkBuddy 把 AI 短剧的「穿帮」做成了一套可机检的自检体系：9 类锁法 + 拼帧质检 + 语音校验① 点这里复制标题

② 鼠标在下面正文任意位置点一下 → 按 Ctrl+A → 按 Ctrl+C； ③ 去社区编辑器按 Ctrl+V； ④ 图片若没跟过去，从文件夹 shots_pack\第2篇_穿帮自检 里按顺序拖 4 张进来。

写在前面

我是一个 AI 短剧创作者，用 AI 生成仿真人短剧。做这行最贵的成本不是生成费，是返工——一条 8 秒的镜头，画面里多出一只手、道具凭空复制一个、角色袖口换了颜色，整条就得重跑，前面攒的连戏全部推倒。

到第三部作品时我换了个思路：把「穿帮」当成一个工程问题，而不是运气问题。原则变成两条：

1. 穿帮是可枚举的：我把自己踩过的坑全部归档成清单，一共 9 类，每一类都对应一句能写进提示词的"锁"；
2. 锁不是保险箱：模型对否定句、对数量、对动作终点都极其迟钝，所以锁完之后必须有机检——用抽帧拼图和语音转写来自动查，不靠肉眼。

这套自检体系我用 WorkBuddy 固化成了一套技能，每次出片都按同一套 SOP 走。下面是我的完整做法。

一、输入材料

【配图：配图 —— 发布时从 shots_pack\第2篇_穿帮自检 拖入】

技能与项目目录结构

二、WorkBuddy 配置

我在 WorkBuddy 里把这件事固化成了一个自建技能（相当于一份带触发条件的作业手册），配置要点：

• 技能名称与触发词：把"出片、重跑、修穿帮、审片、连戏、道具、鞋子、配音、音色不统一"这些词写进触发描述——我只要在对话里提到这些词，它就会自动按作战手册来，而不是凭感觉回答我。
• 技能内容分五块：① 穿帮九族与锁法 ② 拼帧质检命令 ③ 连戏锚定规则 ④ 声音统一链路 ⑤ 交付验收 SOP。
• 配套的项目记忆：把"上一部片的角色外观锚点（服装颜色、材质、鞋型）"写成表放进项目记忆，每次开工自动带上。
• 自动化任务：配了一个每日任务，提醒我把当天新出的废片归类进清单（清单不更新，体系就会退化）。

【配图：配图 —— 发布时从 shots_pack\第2篇_穿帮自检 拖入】

WorkBuddy客户端界面

三、操作步骤

步骤 1：出片前，用「穿帮九族」逐条对照

这是我归档的 9 类穿帮，每类都有对应的锁法原句模式（举 4 个最常命中的）：

写完之后必过一遍锁的四条通用原理（这几条比单个句式更重要）：

1. 数量要写"几"——模型对"有/无"敏感，对"几个"极迟钝；
2. 状态要写"终点"——不写动作完成后的可见状态，它就演一半停住；
3. 归属要写"是谁的"——道具属于谁、这只手是谁的，模型不会替你推理连戏；
4. 否定要有替代——绝不写"不漂浮""没有鞋子"这类带名词的否定句，模型会把那个名词生成出来；只能"正面写法 + 不出现同类干扰物"，且必须同时给正面替代。

步骤 2：出片后，先拼帧，再逐项核检

单帧抽查会漏。我在两个真实案例上都吃过这个亏：单帧抽查漏掉了"刀形中途变化"和"道具复制成两只"，改拼帧后一次抓出。

所以我固定用拼帧把全轴铺开（8 秒镜 = 32 帧 = 2 张 4×4 拼图），一眼看完整个动作链，比逐帧抽 10 张再逐张读快 3 倍且不漏。然后再走一遍核检表：

□ 道具数量  与设计一致？有无复制/多出同类？□ 道具终点  动作要求的最终状态出现了吗？（插进去了 / 拉开了 / 放回板上了）□ 动作物理  有没有无支撑自稳、悬空、穿模？□ 工具外观  形、色、大小一贯？无 logo 刻字？□ 消耗品    种类与上一镜一致？□ 服装袖口  每只手/每个人都对得上角色？□ 鞋        有全身入画时必须穿对鞋□ 文字      全轴零文字□ 手指数    特写镜逐个看□ 音轨      ASR 逐字（有台词）/ 必须为空（零台词）

【配图：配图 —— 发布时从 shots_pack\第2篇_穿帮自检 拖入】

拼帧质检图_全轴铺开

步骤 3：连戏锚定——以「已过检成片」为基准，不是以设计文档

这是我最重要的一条经验：新跑一条镜头，先问"它跟谁连戏"，然后去拿那条已经过检的成片当基准，逐项抄死。

有一次我照设计文档写"浅木柄菜刀"，实际过检成片里是不锈钢窄刃主厨刀 + 浅色刀柄——文档和成片不一致时，以成片为准，因为观众看到的是成片。把成片的锚点回写进新提示词，才叫"能连上"的连戏。

步骤 4：声音也要机检，不看能量的那种

画面之外还有一层"穿帮"：声音。我把机检做成两道：

• 语音转写逐字对：把音轨转成文字，逐字比。真台词置信度 0.8–1.0，乱码/咕哝 0.04–0.6，界限清晰，不靠耳朵猜。
• 零台词镜必须转写为空：这条特别容易误判——纯环境音会诱发转写模型幻觉（我遇到过它凭空"听"出一句"字幕by某某"）。识别特征很明确：低置信度 + 零时长 + 内容是"字幕/翻译组"类套话。分辨方法是先看置信度再下结论，别误判成穿帮、更别据此白跑一遍。

另外：判断"是不是人话"必须靠转写，只看能量/静音检测是查不出人声的。

步骤 5：修不动就换技术解，绝不删戏

我们项目有一条最高纪律：穿帮只修画面，台词永远在。任何为了绕过穿帮而删台词、删道具、删动作的做法都禁止。所以我把"修补"也做成了标准工法：

• 音频换轨：真台词周围出现"念提示词"的乱码时，保留真台词段，其余用本片静音段的底噪循环铺满（同源底噪无缝），画面一帧不动；
• 画外音解耦：画外音不交给视频模型生成（没有口型掩护，模型的韵律缺陷会 100% 暴露），改用配音工具克隆同一份音色样本单独生成、按秒位贴回——台词一句不少、秒位不丢。

【配图：配图 —— 发布时从 shots_pack\第2篇_穿帮自检 拖入】

逐项核检表

四、产出物

一首"片子"最后交给我的其实是四样东西：

1. 过检成片：每条镜头都有拼帧质检图 + 转写文本作为放行证据；
2. 核检表存档：每条镜头逐项打勾的记录，谁问都能翻出来；
3. 穿帮清单（持续更新）：9 类 + 每类的锁法原句，是我下一部片的起跑线；
4. 连戏锚点表：角色外观（袖口颜色与材质、内层、鞋型）逐人写死，跨集复用。

五、效果与踩坑记录

效果：体系化之后，"同一类穿帮再次发生"基本清零——因为每一类都有对应的锁句和机检项；真正的成本从"反复返工"转成了"每镜多花 2 分钟质检"。

踩坑（都是真金白银换的）：

1. 锁 ≠ 保险箱：我给画面加了两道"零文字"锁之后，实测仍有镜头烧字幕（只有一道锁时 9 条里烧 4 条；补第二道锁后带引号的台词格式仍会中招）。锁只能降概率，质检必须兜底。
2. 否定句是陷阱：写"不漂浮"就真的会漂浮，写"屏幕上没有文字"就会生成文字。带名词的否定一律改正面描述。
3. 单帧抽查必漏：这条我验证了两次，别省那一步。
4. 设计文档不能当连戏基准：以过检成片为准。
5. 别赌随机种子：有一种失败（短台词 + 长空档）我连跑 8 版全翻车，说明那是结构问题，不是运气问题——重跑是浪费，换工法才是终解。这条判断省下了我大量时间。

写在最后

对创作者来说，AI 出片最反直觉的一点是：画面质量的上限在模型，出片效率的上限在流程。把穿帮做成清单、锁句和机检脚本之后，我才算真正把这门手艺从"看运气"变成了"可交付"。

WorkBuddy 在里面扮演的角色不是替我拍，而是替我校对、替我记账、替我把经验固化成每次都能复用的流程。这套东西在别的行业也一样：把"我以为它没问题"的地方，变成一条一条能勾选的检查项。

有问题欢迎评论区交流。