上周三下午四点，公司法务把刚剪辑好的三支宣传片打了回来，附了一条消息：「路人脸部、车牌、员工工牌上的编号都要马赛克。」截止周五上线，当时手头还有二十多支活动素材没处理。

这不是我第一次被法务打回。之前两次分别因为一个侧面脸没糊到鼻子以下，和一个从远处经过的车牌号漏了——我总以为「远得不仔细看看也认不出来」，但法务的原话是「只要车牌完整出现在画面里，就算露出实名信息。」

这次先拆问题：需要脱敏的目标有三个大类，人脸、车牌和证件号。片数不算少，如果挨个逐帧画框，一支按四十分钟估，全压到人身上显然不合理。

我先用内置AI模型的桌面编辑工具跑了第一轮识别。导入项目，选「人脸+车牌+证件」三个类型，它自动在时间轴上标出了检测到的目标位置——基本覆盖了中近景里清晰可见的脸和正对着镜头的车牌。然后在时间轴图层面板上调边框大小、修正偏移，漏掉的用矩形框手工补几个就完了。

代价很明显：AI对距离远的目标经常不报，五米开外的行人脸只在它标注区域画个对角线时才会偶尔触发；移动中的车牌如果速度太快，追踪框会抖动甚至跳到相邻车辆上。遇到这些情况还得逐帧看一遍，不能全信机器。

最后确认效果的方法是导出前把时间轴拉到每一段脱敏目标出现的位置，至少完整播两遍——第一遍看框有没有跟丢，第二遍看边缘有没有漏出原始像素。确认没问题再导出。

后续再做类似批量任务，我的做法是不再把AI识别当成最终交付物，而是当成「第一轮粗筛」。先用它把明显的目标标一遍，人工快速过一遍时间轴补漏、修边，中间遇到追踪不稳的那几秒单独拉出来手动画框。这样能把单支片的总耗时压到二十分钟以内。

下次在剪辑项目启动时就给法务看一眼脱敏方案，确认模糊范围够了再开工，比做完再改划算得多。

打开网易新闻 查看精彩图片