前五节保留 12 道卡点和《开工前必买 5 样》的真实体检账；第 06 节把目标系统改成分阶段放行：文稿、素材、口型和成片各自审核，通过后才能进入下一步。
只想看审片那五道各自的判据怎么定的，读 《AI 成片自动审查系统 · 说明》； 本页覆盖当前全产线 12 道，并附一次实跑的账。直接看分线后的系统 →
12 道卡点只是检查工具，不等于完整审核系统。当前严重缺口是：做片的人同时运行检查、解释报警，并且观察模式会把退出码压成 0。目标也不是等成片做完才统一审核，而是把生产权和判定权交给两套独立进程：每完成一个阶段就冻结版本、独立检查；灰区当场进人工复核，明确失败或没跑成绝不能进入下一阶段。
挂位只有一条原则：挑最便宜的那一刻拦。同一个错，在写稿阶段发现改一行字，拖到口型跑完再发现要重付 $1.45。
| 阶段 | 卡点 | 查什么 / 判据 |
|---|---|---|
| ① 文稿 | script_guard | 字数、平均句长、清单项数量对不对得上源片。不过不许进 TTS。 |
| ② 素材 | check_dup_scenes | 几个镜头是不是同一个地方。比 16×16 灰度构图，误报高，服从下面那道仲裁。 |
| ② 素材 | check_broll_cuts 新 | 一条空镜中间换没换镜头。看场景有没有永久改变（跳变点前后各 12 帧求平均再比），不是看像素跳没跳——动作快也会跳。 |
| ② 素材 | check_source_reuse 新 | 红线。有没有拿被复刻那条源片自己的镜头。按 pHash 画面指纹比，不按 md5——同一条片子在库里有过两个 md5。 |
| ② 素材 | check_shot_semantics | 唯一真看得懂画面的一道：对不对题、撞不撞车、有没有第三方店名/品牌。走 OpenRouter，主模型 qwen3-vl-235b，兜底 30b。 |
| ③ 配音 | check_speech_rate | 净语速（去掉静音后每字多少毫秒）和停顿密度两条线，分别判「念得快」和「断得碎」。 |
| ③ 配音 | check_pause_outlier | 句子中间有没有莫名其妙的长停顿。有意设计的项间停顿会被排除。 |
| ③ 配音 | budget_guard | 单条硬顶 $6，超了直接拒。不能调高上限。 |
| ④ 口型 | check_lipsync_quality | 嘴部有没有被重绘崩坏。量嘴区差相对本批中位的离群度。 |
| ④ 口型 | check_lipsync_offset | 嘴和声音差几帧，外加逐窗口找局部低谷。静音段会被排除。 |
| ④ 口型 | check_seg_flash | 主播切片里有没有闪进别的画面（孤立高帧差）。 |
| ⑥ 交付 | archive_guard | 交付的成片 sha256 跟审过的是不是同一个。审完又换素材重合成，旧报告作废。 |
这套系统最反直觉的一条设计：「没跑成」比「有问题」更严重。有问题至少是查过了；没跑成会伪装成通过。
0 通过 · 1 有问题 · 2 没能执行。第三档单独占一位，就是因为它会伪装成第一档。
这是现状，不是目标方案。照跑照记，退出码恒 0、拦不住任何东西。分线后不再把失败压成通过：只有审核策略预先列出的视觉灰区能记 WARN 并交给独立人审；FAIL、NOT_RUN 和必检项跳过仍然硬阻断。
同一个「像不像」的分数，全景图和特写之间会漂。判据一律是「相对这一批的中位数」，不是写死的数。
审过的是哪一版，靠 sha256 记账。交付时对不上就拒绝——专治「审完之后又换素材重新合成」。
对象是《开工前必买 5 样》。这是修复之前的账，下一节讲怎么修的。
最贵的一次刹车是它踩的，最险的四个坑是人看见的。
| 闸门 | 结果 | 核对结论 |
|---|---|---|
| check_speech_rate | 真阳性 | 这次唯一真正省到钱的一道。判「念得快 + 断得碎」，拦在付 $1.45 口型钱之前。倍速 1.24→1.08 才过。 |
| check_lipsync_offset | 真阳性 ＋误报 | a06 报对了：置信度只有同批 53%，重跑后 84%。a00 报错了：那个位置是纯静音，本来就没声音。 |
| script_guard | 误报 | 说「源片 6 项你只写 5 项」。它把「全屋用水的第一道防线」当成了一个清单项。 |
| check_dup_scenes | 误报 | 说 s03 和 s13 撞车。一个是银白隔音棉包管、一个是深色泡水地板，只是灰度构图都像「一条斜杠」。 |
| check_pause_outlier | 误报 | 它量到了我有意补进去的项间停顿。换成按切片扫，7 条全绿。 |
| check_lipsync_quality | 通过 | 7 段中位 10.20，全在 0.87–1.13×，无离群。 |
| gate_faces_yunet | 通过 | 13 条 B-roll 全无人脸，且帧数与分镜表逐条吻合——说明它真读到了画面，不是空输入假绿灯。 |
| check_seg_flash | 通过 | 主播切片无闪切。 |
| check_shot_semantics | 迟到 1h20m | 被另一个会话占着显卡。补跑后 14/14 通过，但它看到的是我已经修好的版本——前面那两个真错它连见都没见过。 |
| budget_guard | 通过 | 实际 $2.07 / 上限 $6。 |
| archive_guard | 通过 | 交付哈希与审查记录一致。 |
| 问题 | 谁发现的 | 说明 |
|---|---|---|
| 配音语速太快 | 闸门 | 付费前拦下。 |
| 第四项主播口型对不上 | 闸门 | 重跑那一段修好。 |
| 项间停顿只有句内的 1.21 倍 | 人眼 | 观众分不清讲到第几项。至今没有闸门管这件事。 |
| s10 素材内部跨了剪辑点 | 人眼 | 取到的是铺贴不是开孔。已补 check_broll_cuts。 |
| s13 生成图看不出积水 | 人眼 | 口播说「泡了家具」，画面只是间发潮的空房。仍是盲区，见第 05 节。 |
| 被复刻的原片就躺在素材库里 | 人眼 | 红线级隐患。已补 check_source_reuse。本条实际引用 0 次，未违规。 |
2026-08-04 定位、当天修完，已合进产线。
根因是目录名不合约定（工作目录长的是 aroll/+aud/+sync/，闸门约定的是 seg/+ls/）。不能只靠改措辞——现在入口认出常见排法就自动建一层符号链接（不动原文件），接不上才报错。同时把「没跑成」提到报告头一行并盖过「有问题」。
它原本跑本机模型、要抢显卡单实例锁，那一次等成片定稿、人工审完之后 1 小时 20 分才补跑。现在改走 API：主模型 qwen3-vl-235b、兜底 30b，16 张图约 20 秒、约 $0.004，快到可以每次都在选素材阶段跑。本机那条路保留为无 key 时的退路。
清单项正则改成只认句首、静音段判据取「整窗 / 左半 / 右半」三者最小值、停顿闸门排除有意设计的项间缝、灰度撞车服从看图闸门。观察模式继续保留——误报降了不等于校准完了。
程度题「够不够惨」判不准。「地面有点潮」和「地面泡了家具」这类程度差别，主模型答不稳定——同一张图两次跑给出「潮湿」和「积水」两种答案。避坑类的翻车镜仍须人眼过一遍。项间停顿清单体里「讲到第几项」的节奏感，没有任何闸门管。目前靠人量「项间÷句内 ≥2」。logo 一项标定用的靶子里没有带 logo 的样本，这一项的准确率从未验证过。兜底模型qwen3-vl-30b 在 14 张合格样本上误报 9 张。它只是主模型挂掉时的可用性兜底，不能当准确性备份。拦截权旧生产入口已经排空锁门；分阶段独立审核的基础代码已合并，但 V1 仍关闭，Producer 和 Reviewer 均未部署运行。启用前，这个风险不能算完成修复。Store 已部署锁门版，旧生产入口保持排空，审核 V1 保持关闭；Producer 与独立 Reviewer 的代码已合并，但两个部署任务都被硬跳过。下面的流程已经写入代码合同，不代表云服务器正在按此生产。启用前还必须补齐私有素材存储、不可变人物与声音引用、固定字幕/OCR 时间线、签名发布回执、逐任务隔离、依赖哈希和独立验签。
接收源片和品牌素材，完成文稿草案、时长目标与预算计划。
冻结：script manifest + hash输入是否齐全、文稿结构与时长是否合格、预算是否超限、硬约束是否缺失。
通过前不得开始付费生产检索、裁切 B-roll，形成素材清单、画面需求与完整分镜。
冻结：storyboard + B-roll pack + hash源片复用、来源分散、陌生人脸、身份标识、重复镜头、内部剪辑点与画面对题。
视觉灰区在这里判，不拖到成片后完成 TTS、逐字对齐、真人切片与口型同步，不在这里合成终片。
冻结：audio + align + lipsync pack + hash语速、停顿、口型崩坏、音画偏移、片段闪切，以及输入和输出是否一一对应。
失败只重做这一阶段，不白做整条成片把已通过的文稿、素材和口型包合成，加入字幕、标题与响度处理。
冻结：final candidate + sha256成片哈希、原主播残留、字幕与声音、B-roll 切点、帧网格，并核对前三阶段审核链仍然有效。
这里只审成片阶段才可能出现的问题生产线此时只能查看结果或接收返工任务，不能写审核结论、勾人工清单或交付。
无交付权限完整观看、保存人工清单、确认全部 WARN；服务器再核对当前哈希和整条审核链，才开放下载并归档。
任何上游版本变化都会拒绝旧结论文稿、分镜与素材包、口型包、最终成片都要各自冻结并生成哈希；审核结果只对那个版本有效。
改文稿会作废全部下游结果；换 B-roll 只作废素材阶段及其下游；重跑口型只作废口型阶段及其下游。
只有策略预先列出的视觉灰区可以记 WARN，并在发现它的阶段带证据完成人工判断，不必等到成片。
四个阶段的版本与审核链都匹配当前成片、无硬失败、最终人工清单已保存，才允许放行。