OpenAI在2024年2月发布Sora后，文生视频的上限被重新抬高。火山引擎开发者社区的对比文章提到，在同一组prompt下，Sora相较Runway、Pika、Stable Video有更明显的生成质量优势；另有资料称，Sora可以按文本指令生成最长60秒的视频。
但进到短剧产线，问题不会因为画面更像真片就消失。
杭州帧速影视的制片人陈默给过一个很直白的数字：纯AI生成的60秒短剧，平均会有4.2个明显穿帮镜头。常见问题不新鲜，口型不同步、人物服装突然变了、背景物体闪烁。同期人工拍摄的同类短剧，穿帮率不到0.5个/分钟。
这也是帧速把Sora 3接进制作流程后最早撞上的墙。自2025年Q4开始使用后，一部10集短剧的纯生成周期确实从几周压到几天。但效率上来以后，废片也会成批出现。陈默团队后来形成的判断很简单：AI视频流水线如果没有质检，快只是把问题更快地堆到后期。
他们花了三个月改流程。现在，穿帮率被压到1.3个/分钟，90%的严重错误能在出片前拦住。办法并不神秘：先把剧本拆到足够细，再给每个镜头加状态约束，最后用自动检测和人工抽查一起兜底。
先别急着把剧本丢给模型
帧速的第一步不是生成视频，而是解析剧本。
团队基于开源LlamaIndex 1.0定制了一个脚本解析器，把短剧剧本拆成场景单元和镜头单元。每个场景单元里，会写清人物清单、光影设定、动作要求和道具状态。
真正影响连续性的，是他们内部叫“状态锁”的东西。
比如上一镜结尾，人物右手拿着咖啡杯。下一镜的开场提示词里，就必须继续出现“右手拿咖啡杯”。如果Sora 3生成的视频里杯子消失了，这条片段会被标成“状态冲突”，直接进入重生成队列。
帧速还把单个镜头控制在15秒以内，按顺序生成，再用AI拼接工具做转场。这样做有点笨，但能避开长上下文里常见的逻辑塌陷：人物还在同一场戏里，衣服却像换了一天；手里道具刚出现，下一秒又没了。
质检清单要具体到“杯子还在不在”
后期审核组只有5个人，每天要处理300多条AI生成片段。靠人从头看到尾，既慢，也容易漏。
所以他们做了一套自动化质检系统。每条视频会跑43个检测项，平均耗时2.1秒。内部最常用的是九项：
- 口型同步准确率，超过85%才算及格
- 人体关键点连贯性
- 光照一致性，同一场景色温偏差小于5%
- 物体恒常性，检查道具数量和位置变化
- 人脸身份一致性
- 背景闪烁检测
- 镜头运动平滑度
- 时序合理度，避免昼夜、天气突然跳变
- 文字与画面匹配
用到的工具并不全是闭源黑箱。InsightFace做人脸对比，MediaPipe Pose Landmarks看动作连贯性，CLIP负责场景文字匹配。
这套系统在内部被叫作“防蠢网”。按陈默的说法，85%到90%的口型错误、70%的光影矛盾、95%的道具消失，都能在这一关被发现。剩下的漏检和误报，再交给人工。
这类检测的价值，不在于它能判断一条短剧好不好看。它只能拦住很基础、但观众一眼会骂的错误：嘴没对上，脸变了，灯光不对，上一秒还在桌上的东西下一秒消失。
人工只盯最容易翻车的地方
自动质检拦截后，系统会把“连续三项指标亮红”的高风险片段单独拎出来，推送到人工审核队列。
审核员的屏幕分成两窗：左边是AI标记出的错误区域，右边是重生成后的候选片段。人不再从零开始找问题，而是判断机器指出来的问题是不是真的严重、候选片段能不能替换。
帧速设了三道人工抽查。
初审看场景衔接。每个场景的首尾镜头，都要和前一场景做人工比对，重点是服装、场景布置。
复审看声画同步。随机抽取40%的片段，从头通看一遍。
终审由陈默做快检，只盯一种问题：观众会不会因为这个穿帮直接出戏。
每道审核都要在系统里打标签，不能跳过。内部成本统计显示，加上这三道人工后，单条30秒短剧的后期人工成本从4.2元涨到4.9元，但返工率从32%降到9%。如果一天生产100条短剧，后期多花70元，换来的是少返工、少被用户骂穿帮。
陈默提过一个古装短剧里的例子。女主第一幕穿红裙，第二幕AI自动换成蓝衫，但剧本写的是同一场景。这个问题被“人物服装恒常性”指标标出来，初审后重新生成了对应版本。放在传统拍摄里，这种错误可能现场就会被场记发现；放到AI生成里，就得靠系统把“同一场景不能随便换衣服”写死。
算力账之外，还有版权账
帧速的Sora 3调用成本不低。2026年Q1，公司的算力账单超过40万元，其中90%是Sora 3 API，剩下10%是内部推理服务器的电费与折旧。
还有一个更隐蔽的坑：生成视频偶尔会出现与某部电影场景高度相似的光影构图。
现在，帧速会让每段素材跑“版权指纹库”，比对关键帧与已知版权作品的特征点。命中的片段直接废弃。这个流程带来了约0.5%的废弃成本，但在团队看来，比后面陷入版权纠纷更划算。
这也是AI视频进入商业制作后绕不开的变化。过去后期主要修画面、修节奏；现在还得查模型有没有生成不该出现的东西。
机器能提速，故事还得人管
陈默最后说过一句话：“AI只是把拍摄成本打下来了，但内容逻辑还得人定。”
帧速吃过一次亏：一条AI生成短剧，所有质检项都通过了，播放量却不到3000。问题不在穿帮，而在太平。角色没有明显情绪波动，镜头切换很机械，观众很快能感觉到这是AI生成的内容。
后来他们在剧本阶段加入“情绪锚点”，比如某句台词要有0.5秒哽咽停顿，让生成时更关注表演细节。部分项目里，还会把15%到30%的镜头换成实拍素材，用真人镜头打破过于顺滑的机器感。
所以，帧速这套流程的重点不是证明AI能替代剧组，而是说明另一件事：AI视频越快，质检越要前置。脚本解析、状态锁、自动检测、人工抽查，看起来都不酷，却决定了一条短剧到底是能上线，还是只能进废片库。
对短剧工厂来说，把每分钟4.2个穿帮压下来，可能比继续追更快的生成速度更要紧。
