视频审核分析系统

要解决的问题

视频发布前的合规审查，通常止步于「字体有没有授权、音乐能不能商用」这类单点检查。但一次真实的传播事故，往往来自更深的地方：执行方提供的版权告知书遗漏了三个领域、功效声称踩了广告法红线、肖像授权链在某个中间环节断裂。单点检查清单救不了这些场景，因为风险不在单个素材，而在责任链是否闭环。

工作方式

这套 Skill 的核心不是一份固定检查表，而是一个「想法 → 规则 → 工具」的迭代方法论。核心认知有三：版权审核要做全域法律扫描而非只查字体音乐；执行方的告知书是「已知-未知」映射工具而非免责凭证；风险本质在于责任链闭环，而非有无授权。

工作流分五个阶段：

• 阶段一 · 逐帧取证：用 scripts/extract_frames.py（基于 OpenCV）从 .mov/.mp4 提取关键帧，逐句截图识别花字字体特征，记录所有可视元素。
• 阶段二 · 九维度法律扫描：覆盖著作权法、商标法、广告法、食品安全法、肖像权、未成年人保护、反不正当竞争、平台合规、数据合规，逐维度对照具体法条审查。
• 阶段三 · 告知书反向验证：统计告知书覆盖率（通常低于 30%）、检测披露与实际内容的矛盾、验证授权链完整性、识别 CYA 免责条款。
• 阶段四 · 深层结论挖掘：分析供应链责任链是否闭环、预算缺失是否为风险根源、合同中的版权责任归属。
• 阶段五 · 分级交付：按 P0/P1/P2 输出行动路线图，交付 Excel 多工作表与 HTML 可视化报告。

每次审核后执行规则迭代：记录盲区、补充九维度清单、调整风险等级判定标准、更新 references 文件。

适用边界

• 脚本依赖 OpenCV，需提前配置运行环境；对视频码率、时长无硬性限制，但帧率设定（0.5s/1s）会影响取证粒度。
• 九维度审查基于中国法规与主流平台（抖音/小红书/微信）社区规范，不覆盖海外法域。
• 告知书覆盖率低是常态，这不是错误，而是启动反向验证的信号。
• 工具层（逐帧提取）是确定性的，但法律风险判定依赖规则输入质量——AI 本身不聪明，规则完善度决定审核准确性。