ai-ugc-video-pipeline 是做什麼的？
短影音形式的 AI 虛擬主持人行銷影片（說話人頭 + 真實產品素材 + 字幕）有一系列特定的失敗模式，這些模式在真實裝置上播放最終檔案之前不會顯現——而不是在 ffprobe 中，也不是在腳本裡跳過時間軸檢查時。這是一套閘控管線，能在傳遞前捕捉這些問題，再加上兩個即使你知道也可能會輕易重新引入的音訊錯誤。
使用時機
- 製作短影音（直式，9:16）AI 虛擬主持人產品/行銷影片。
- 重新剪輯或迭代現有影片。
- 任何透過 ffmpeg 組裝 AI 生成的說話人頭素材 + 真實螢幕錄製 + 生成字幕的管線。
不可協商的階段順序——每個階段都會閘控下一個
- PREP（在此階段綠燈前不花任何錢）。 研究目前虛擬主持人/語音生成的模型環境（這些 API 的定價和端點每月都在變動——在投入花費前，請根據即時供應商文件進行驗證）。撰寫幾個腳本變體，讓文字評判選出一個，準備好你的臉部/語音參考素材（包含所使用身分的真實、有記錄的同意書），捕捉你將合成的真實產品畫面，並在花費任何錢之前寫好評分標準以及嚴格的預算上限。
- CALIBRATE（校準）。 先產生一個短小、便宜的片段，以驗證畫面構圖與身分接受度，然後再投入完整長度的拍攝。如果構圖錯誤，請修正你餵給模型的參考影像，而不是更換模型。
- GENERATE（生成）。 最少、有策略的拍攝次數。僅在你有證據顯示某個供應商/模型表現不佳時，才進行 A/B 比較——不要亂槍打鳥式地發送請求。一旦分數趨於平緩就停止生成；限制付費迭代次數（例如，除非分數仍在上升，否則在 2 次後停止）。
- ASSEMBLE（組裝）。 使用 ffmpeg 的 concat 過濾器（而非 demuxer）進行最終組裝（原因見下方音訊錯誤）。每次重建都使用新檔名——永遠不要原地覆蓋，這樣你總是可以與上一個好版本進行比對。
- VERIFY（驗證）。 執行你的媒體驗證閘控（見下方）以及對每個腳本/字幕/文案資產的文字/誠實性預檢。任何閘控失敗都不得交付。
- DELIVER（交付）。 將檔案交給人類進行最終核准，並附上一份簡短的評分/備註文件。發佈到任何平台始終是人類閘控的決定——絕不自動發佈。如果虛擬主持人是逼真的合成肖像，請使用平台的 AI 內容揭露開關，即使你已另外刻意在影片中加入揭露資訊。
如果不加以防範，會默默出貨的兩個音訊錯誤
- 某個片段的音軌比影像軌短（語音在影片片段結束前就結束）。在串流複製的 concat 中，音訊時間軸會滑移，並在最終檔案中途有效提前結束。修復： 將每個片段的音訊填補至與其影片長度相同，並在串聯前將所有片段正規化為相同的取樣率/聲道數。
- 即使有填補，concat demuxer 仍可能因音訊持續時間的捨入而留下微小（約 0.1 秒）的封包時間戳間隙。直接解碼的工具（ffmpeg、轉錄工具）可以順利播放這些間隙，不會標記任何問題——但某些真實播放器會在第一個間隙處直接停止音訊，所以一個通過你自動檢查的檔案，對實際觀眾來說可能是壞的。修復： 使用單次傳遞的 concat 過濾器（而非 demuxer）進行最終組裝，並強制將音訊重新取樣為連續、無間隙的時間軸。
能捕捉這兩者的探測： 掃描最終檔案的音訊封包時間戳，尋找任何大於約 50 毫秒的間隙。以真實播放器消費媒體的方式驗證媒體——即連續解碼 + 完整檔案轉錄——而不是跳轉到時間戳進行取樣，因為後者可能會在你試圖捕捉的那個間隙周圍悄悄自動重新同步。
評判者協議——LLM 評判者會對媒體產生幻覺，請交叉驗證它們
- 針對固定的、適度壓縮的代理版本進行評分（過度激進的壓縮會誇大瑕疵，使分數偏向格式，而非內容）。
- 在根據評判者關於音訊的聲明採取行動之前，請使用確定性探測（轉錄 + 上述封包間隙掃描）對其進行交叉驗證。評判者稱「有問題」可能對也可能錯——不要憑感覺信任或駁回它；先執行確定性檢查，然後再做決定。
- 對於 A/B 比較：使用相同的音軌、固定的標準、一致的順序，並強制使用結構化輸出——自由形式的評判者意見更難據以行動，且更容易被合理化。
- 預期評判者會很嚴厲。根據證據（每個確定性閘控綠燈 + 實際人類的核准）出貨，絕不單獨根據評判者的判決。
誠實性與安全閘控——將這些編碼為程式碼，而非感覺檢查
在每個腳本/字幕/文案資產出貨前，對其執行自動化預檢：
- 沒有關於產品能力或結果的虛假聲明。
- 未經同意不得使用任何人的臉部或聲音——在使用任何真人肖像進行生成前，取得並記錄真實同意，並檢查生成提供者自身關於基於身分生成的使用政策。
- 不得將實際上是生成/模擬的結果呈現為真實用戶成果。
- 任何不該公開的品牌或產品名稱，不得出現在腳本、字幕和發佈備註中。
- 發佈本身始終是一個獨立、由人工閘控的步驟——管線的任務止於「準備審查」，而非「已發佈」。
預算紀律
根據你在 PREP 階段設定的嚴格上限，維持一份持續的帳目（每次生成的預估與實際），並在分數趨於平緩時停止生成，而不是繼續花費以追求邊際效益遞減。事先制定預算，並根據證據（而非「再多拍一次」）停止，是讓此管線保持可負擔的關鍵。
使用方式
安裝： 將此資料夾複製到 ~/.claude/skills/ai-ugc-video-pipeline/ 以供個人使用，或複製到專案儲存庫內的 .claude/skills/ai-ugc-video-pipeline/。你需要自行整合你選擇的虛擬主持人/語音生成供應商以及螢幕錄製工具——本技能提供的是閘控方法論與經過實戰驗證的失敗模式修復，而非特定供應商整合。
呼叫方式：
帶我跑一遍 ai-ugc-video-pipeline 的 PREP 階段，針對一個 30 秒的產品展示影片——在我們生成任何東西之前，幫我撰寫腳本變體和預算帳目。
我組裝好的影片在某些播放器中音訊會中途中斷，但在 ffplay 中播放正常。請使用 ai-ugc-video-pipeline 的音訊錯誤章節來診斷並修復它。