视频质量门禁

视频生产里的“最后一步”问题

短视频自动化管线中，最危险的不是生成失败，而是生成成功、文件存在、时长正确，内容却出了问题没人发现。一段品牌视频渲染完成、有音频轨道、时长显示 25 秒，实际播放只有 21 秒——这类问题在人工抽检时很容易漏掉，等交付才发现已来不及返工。视频质量门禁要解决的就是这类问题：把“看起来做完了”和“真的能交付”之间的判断标准化，变成一条不可跳过的检查链。

七道关卡如何串联

技能将交付前检查拆成 7 道门禁，按执行顺序排列：

• 关卡0：HTML结构检查——生成后立即做代码级静态检查，验证 DOM 结构与品牌标准模板一致
• 关卡0.5：时间线验证——模拟执行 GSAP 时间线，确认动画有效且顺序正确
• 关卡1：脚本内容检查——配音前扫描文本，检测 TTS 友好度与品牌名拼写（“膜世界”直接 FAIL）
• 关卡2：时长匹配检查——对比配音时长与场景动画时间窗口是否吻合
• 关卡2.5：音频质量检查——用 ffprobe 检测静音、爆音、音量突变
• 关卡3：渲染结果检查——文件完整性 + 像素对比，验证动画真实执行（依赖 opencv-python）
• 关卡4：视觉抽检——截取关键帧交给 vision 模型检查画面（不可用时降级为人工检查）

每道关卡输出三种结果：FAIL 必须修复且不得跳过，WARN 记录问题但可继续，INFO 仅提示。任一关卡 FAIL，整条流程立即停止，不交付。

品牌标准以模板形式内置：主色 #2563eb、竖屏 1080×1920、时长 25 秒、4 场景结构等，作为所有检查的基准线。

适用边界与实战经验

这套门禁绑定模世界品牌模板，其他品牌的视频管线需要替换标准值后才能复用。关卡 0-2.5 完全自动化，但关卡 3 和 4 依赖外部组件：未安装 opencv-python 时像素对比会被跳过，vision 模型不可用时视觉抽检需人工替代。

技能内置了三条实战踩坑记录：

• 音频截断陷阱：ffmpeg 合成时用 -shortest 会把短于 25 秒的音频截断整段视频，需用 apad 填充后再合成
• 场景选择器兼容：V7 模板用 class="scene s1" 而非 id="s1"，静态检查需同时支持两种写法
• TTS 误报：TTS 检测只应扫描配音文本，扫整个 HTML 会把 CSS 类名误判为文本异常

这些经验点说明：质量门禁不是一份静态检查表，而是在真实管线中反复打补丁后的动态产物。