# 评测结果（2026-11-02 重新解码）

运行配置：**只用确定性取证 + OCR，没开 VLM**（VLM 用来补强"实拍 / AI / 3D"的区分、AI 图和真实照片的区分，以及轻音效）。复现命令见文末。

## 1. 底层画面制作方式（8 类，按镜头时长加权）

| 集合 | 视频数 | 准确率 | 切点 F1 | 独立性 |
|---|---|---|---|---|
| `labels.yaml`（调参集） | 15 | **98.3%** | 1.00（2 条有真值，含 14 处 0.25s 交叉溶解） | 规则在这批样本上设计 |
| `holdout.yaml` | 9 | **99.6%** | — | 首轮错了 2 处，据此加了帧率相关规则，已不完全独立 |
| `holdout2.yaml` | 7 | **98.9%** | — | 制作方式规则定稿后才第一次运行 |

调参集的混淆矩阵（秒）：实拍 16.0 全对；AI 视频 141.2 全对；3D 66.5 全对；代码渲染 155.9 对、2.4 错判为 3D；录屏/截图 19.0 全对；静帧 42.8 对、5.3 错判为代码渲染。

这张表是 2026-11-02 从头解码（不复用缓存特征）测的。剪辑包装层之前是 99.9% / 99.6% / 99.8%，原因见文末「2026-11-02：重新解码后的回归」。

## 2. 用户真实素材（镜头里有没有实拍 / 截图 / 录屏 / 照片，按时长加权）

| 集合 | 准确率 | 说明 |
|---|---|---|
| labels | 97.6% | 唯一错误：mediank 的暗色半透明 NASA 背景照片漏检（已知局限） |
| holdout | 99.6% | 首轮有 2 处误报：浅色代码画面的字幕被当成截图；3D 毛发被当成嵌入视频。修复后的结果 |
| holdout2 | 97.2% | **首轮只有 75.6%**：字幕带被当成照片/视频；嵌入图片默认算作"真实"。修复后已不独立。剩余错误：暗色主题网页截图漏检 |

修复内容：
- 文字按单帧计数，避免不同时刻的字幕被累加。
- 字幕带不参与照片/视频判断。
- 嵌入的照片/视频片段默认标为"真实还是 AI 待确认"，只有截图和录屏直接算真实素材。
- 3D 画面里只认截图面板。

## 3. 声音

| 项 | 结果 | 真值来源 |
|---|---|---|
| 有无人声 | 5/5 | capsule-cinema 的 tts.py、口播视频 |
| 有无 BGM | 4/4 | bgm.py、bgm_fit.json |
| BPM（±4%，含半速/倍速） | 2/2（110.0 / 112.3 vs 真值 110.15） | bgm_fit.json |
| 调性 | 2/2（D major） | bgm_fit.json |
| 有无音效（≥3 处） | 2/4 | cues.py、素材清单 |
| 音乐来源 | 2/5（见下） | Suno 生成记录、曲库下载记录 |

**音效是确定性层的短板**：在咸鸭蛋的人声 + BGM 混音里，对照 cues.py 的 110 个音效真值，信号特征完全区分不了音效和语音/音乐起音（精度约 0.2，与随机相当）。所以现在只在人声之外、且极其突出的瞬态上给出"低置信候选"，**完整的音效清单交给 VLM（Gemini 能听）**。

**音乐来源**按"视频形式先验 + 证据"判断（规则见 `skills/rea-video/references/audio.md`）。不开 VLM、不给平台信息时：

| 视频 | 形式 | 真值 | 判断 |
|---|---|---|---|
| qing_hiphop_mv | AI 说唱 MV（干声副歌重复 0.26） | Suno v6 | AI 生成 52% ✓ |
| mediank_pure_data | 纯配乐 | 曲库 manten diloty | 现成曲库 60% ✓ |
| monkey_wine_v3 / salted_egg / birdnest | TTS 旁白 + BGM（干声副歌重复 0.00） | Suno 生成 | 现成曲库 52% ✗ |

三个错例是**先验本身的局限**：AI 工作流做出来的普通视频，BGM 也常是 Suno 生成的，而 Suno 器乐和曲库器乐从信号上分不开。之前 3/3 是因为"满屏音乐 + 有人声"误把 TTS 旁白当成 MV，属于碰对；现在加了唱/说区分，判断理由对了，准确率反而如实下降。纠正这三条要靠平台音乐标签（`--meta`）或听歌识曲，所以报告里普通配乐一律写"倾向曲库，待确认"。注意唱/说的阈值是看过 qing MV 之后定的，这条属于开发集。

**人声分离**（`stems/`）：把咸鸭蛋的一句 TTS 叠在它的 Suno BGM 上（人声高 6 dB），分离 SDR 人声 19.7 dB、配乐 19.7 dB；纯 BGM 漏进人声轨 −42.5 dB。mediank 的键盘音效会落进人声轨（瞬态音效的已知去向）。说唱 MV 在混音上测的持续音高是 0.44，在干声上只有 0.24——混音上的数字被伴奏的长音抬高了，所以现在唱/说一律在干声上测。

## 4. 平台转码视频（OiiOii 文章里的 10 条，开发集）

`eval/articles.yaml`：从两篇公众号文章下载的微信转码版（30fps、二次压缩）。真值来自文章作者说明 + 人工看画面。v0.3 的规则是看过这批视频后加的，所以这是开发集。

| 视频 | 真值 | v0.2 | v0.3 |
|---|---|---|---|
| v11 TikTok 带货原片 | 实拍 | AI 100%（0.0） | 实拍 100%，标"实拍还是 AI 待确认"（1.0） |
| v09 Gemini 发布片 | 2D UI 动效 | 代码 63% + 3D 37%（0.63） | 代码 81% + 3D 19%（0.81） |
| v10 OiiOii 产品片 | 代码 UI 动效 | 代码 78% + 3D 17%（0.83） | 代码 92% + 3D 4%（0.96） |
| v04 推广片原片 | 3D 元素 + 文字动效 | 3D 65% + AI 35%（0.65） | 不变（0.65） |
| 其余 6 条 AI 视频 / 拼屏 | — | 全对 / 0.8 | 不变 |
| **平均** | | **0.79** | **0.92** |

v0.3 的三处修改：
1. 识别平台转码（元数据 `Tencent CAPD MTS` / `Wxmm_` / `vid:v…`）。转码后噪声证据失效，"没有噪声"不再推向 AI；清晰度节奏（会被转码的 GOP 结构伪造）不再当插帧证据。
2. 整片级帧率证据：30fps 文件里，实拍类镜头 ≥70% 时长没有重复帧 → 倾向手机直出（生成模型多输出 24fps，转 30fps 后有 20% 重复帧）。
3. 几乎无彩色、只用个位数颜色的平面画面判为界面/文档，不判 3D。

三个评测集回归：制作方式 99.9% / 99.6% / 99.8% 与 v0.2 完全一致。

### agent 复核（dsh，DeepSeek V4.1 Flash，不能看图）

11 条有真值时：工具全对 5 / 部分对 5 / 错 1；dsh 复核后全对 6 / 部分对 2 / 错 3。dsh 推翻工具 4 次，2 对 2 错，错的两次都是凭像素统计改判画面类型。为此 SKILL.md 增加了"看不了图时不得推翻工具的制作方式判断"。详细见 `out/dsh_articles/REVIEW.md`，复测方法见 `eval/agent_test/README.md`。

## 已知局限

1. 实拍样本只有 3 条（都是 60fps 抖音手机视频）；没有真实的 Ken Burns 样本，只在合成视频上测过。
2. 暗色/半透明的背景照片、暗色主题网页截图漏检；实拍或 AI 画面上叠加的商品图和 Logo 不做确定性检测，依赖 VLM。
3. 嵌入图片是真实照片还是 AI 图，确定性层判断不了。
4. VLM 路径只用假服务器测过端到端，还没有在真实 Gemini 上跑过评测。
5. 音乐来源：普通视频里的 AI 生成 BGM 判断不出来（见上）；AI MV 样本只有 1 条。

## 复现

```bash
export CAPSULE_CINEMA_ROOT=~/code/github/capsule-cinema
rea-video eval eval/labels.yaml   -o out/eval_main
rea-video eval eval/holdout.yaml  -o out/eval_hold
rea-video eval eval/holdout2.yaml -o out/eval_hold2
rea-video eval eval/articles.yaml -o out/eval_articles   # 视频需先放到 eval/media/articles/
rea-video eval eval/audio_mv.yaml -o out/eval_audio_mv --stems   # 只评音频（--stems 先分离人声再测唱/说）
# 加 VLM：
rea-video --env-file $CAPSULE_CINEMA_ROOT/.env eval eval/labels.yaml -o out/eval_main_vlm --vlm
```

## 2026-10-30：第一次用真实 Gemini 跑 VLM，并加入「agent 看图复核」

数据：`eval/articles.yaml`（10 条微信转码视频，**开发集**，规则看过这批视频）。VLM 结果来自 zcode 盲测第 2 轮（`gemini-3.1-pro-preview-pc`，每条都生效），agent 复核来自同一轮 zcode 的 `rea-video review / apply-review` 答案。用缓存结果重新融合，不再调用 API。

| 组合 | VLM 权重 1.0（旧） | VLM 权重 0.7（新） |
|---|---|---|
| 只用确定性取证 | 0.886 | 0.886 |
| + Gemini VLM | 0.888 | 0.888 |
| + agent 看图复核 | 0.988 | **1.000** |
| + VLM + agent | 0.915 | 0.984 |

（按时长加权的准确率；真实素材准确率四种组合都是 1.0）

- Gemini 在 3D / UI 动效类视频上有帮助（v04 0.65→1.0、v08 0.8→1.0、v09 0.81→0.98），但会把卡通 3D 风格的 AI 视频判成 3D 渲染、把画进画面的游戏界面判成录屏（v01 1.0→0.13、v12 1.0→0.56、v13 1.0→0.44），而且置信度给到 0.9–1.0，压过了 24→30 重复帧等帧率证据。
- 改动：融合时 VLM 权重 1.0→0.7（`classify.VLM_WEIGHT`）；融合结果必须是确定性层或模型排前两名的类别（修 v01 最后一镜三方都没投却得出"实拍"）；`review_tasks.json` 只给 agent 看确定性结果，不给 VLM 答案，避免被带偏。
- 只有 10 条开发集视频，权重没有往更低调（0.5 在这批上更高，但怀疑过拟合）。下一步：在 labels / holdout 上跑一次 `--vlm`，确认 0.7 不伤别的视频。
- labels 0.999 / holdout 0.996 / holdout2 0.998 不受影响（这些评测不开 VLM）。

## 2026-10-30：留出集验证（zcode + Gemini VLM + agent 看图复核）

数据：`eval/holdout.yaml`（9 条）+ `eval/holdout2.yaml`（7 条），这 16 条没参与过 VLM 权重和复核流程的调参。zcode 按 JOB.md 盲测（视频改名 h01–h16，对照表在 `out/agent_eval/zcode/runs_holdout/mapping.tsv`），`--vlm`（16/16 生效）+ `review / apply-review`。h09（lulukong_b）zcode 自身报错中断，没写复核，只计工具 + VLM。

| 组合 | holdout | holdout2 | articles（开发集） |
|---|---|---|---|
| 只用确定性取证 | 0.996 | 0.998 | 0.886 |
| + Gemini VLM | 0.989 | 0.965 | 0.888 |
| + agent 看图复核 | 0.996 | 0.968 | 1.000 |
| + VLM + agent（改前） | 0.998 | 0.988 | 0.984 |
| + VLM + agent（加「工具 + 一方看图」多数规则后） | **0.998** | **0.998** | **0.988** |

- 只开 VLM 在留出集上是负收益（holdout2 0.998→0.965）：Gemini 把文字卡片判成静帧/截图推拉，把毛绒 AI 角色判成实拍/3D，置信度 0.85–1.0。
- 改前 holdout2 唯一的退步是 lulukong_c 最后一镜：工具判 AI（0.46）、zcode 判 AI（0.83），只有 Gemini 判实拍（0.85），结果却是实拍。原因是 VLM 和 agent 的意见先平均再融合，Gemini 给 AI 只有 0.05，把 zcode 那一票抵掉了。
- 改动：`pipeline._majority` + `classify.fuse(majority=...)`。工具首选和 VLM、agent 中恰好一方一致时，最终类别必须是它（帧冻结等硬约束仍优先）。反过来 VLM 和 agent 一致反对工具时**不**强制：试过三方任意多数，articles 从 0.984 掉到 0.919、dual_role_realcat 1.0→0.83，两个看图模型常把同一画面看错成同一类。
- 「证据不足，待确认」：转码 + 24fps 源 + 无 AIGC 标识的 AI 视频（capybara_a、lulukong_a/b/c）都被标出、置信度封顶 0.7；手机原生 30fps 的实拍（douyin_live_breakfast）、代码/3D 类视频不受影响。
- zcode 的 FINAL 结论：15 条完成的里 14 条制作方式正确；dual_role_realcat 写成"静态图推拉·真实截图 56% + AI 44%"（真值是代码模板卡片 + 真实截图 + AI），真实素材判断对。
- labels 0.999 / holdout 0.996 / holdout2 0.998（不开 VLM 的回归）不变。
- 结论：开 VLM + agent 复核在三组数据上都不低于只用工具，在开发集上大幅更高；只开 VLM、不做 agent 复核时会变差，SKILL.md 里"能看图的 agent 必须做 review"的要求要保留。

## 2026-10-30：只有一个看图来源时加限制；加入用户记忆

问题：只开 VLM、不做 agent 复核时，比只用工具还差（holdout2 0.998→0.965）；只有 agent 看图、没有 VLM 时，holdout2 也降到 0.968。

改动（`pipeline._vlm_gate`）：只有一个看图来源时（只有 VLM 或只有 agent），它的首选必须在工具前两名里；工具对 AI / 实拍 / 数字人有把握（≥0.65 且领先 ≥0.25）时不采用；转码 24fps 素材、没有手机原生 30fps 证据时，不采用"实拍"。两个来源都有时不受影响，由 `_majority` 决定。

| 组合 | holdout | holdout2 | articles（开发集） |
|---|---|---|---|
| 只用确定性取证 | 0.996 | 0.998 | 0.886 |
| + VLM（改前 → 改后） | 0.989 → **0.996** | 0.965 → **0.998** | 0.888 → **0.996** |
| + agent（改前 → 改后） | 0.996 → 0.996 | 0.968 → **0.998** | 1.000 → 1.000 |
| + VLM + agent | 0.996 | 0.998 | 0.988 |

（holdout 的 VLM + agent 从 0.998 变为 0.996：h09 没有 agent 复核，现在按"只有 VLM"处理。）

- 比较过的其他做法：只在工具没把握时用 VLM（holdout2 0.965）、只要求在前两名里（holdout 0.987）、把 VLM 概率摊平到 0.3（holdout2 0.974）。最终方案是"前两名 + AI/实拍轴保护"。
- 注意：这条规则是在这三组数据上选出来的，三组都不再是"没见过的视频"。需要一批新视频复核，用户纠正导出的样本（`rea-video memory --export-labels`）可以作为来源。
- labels 0.999 / holdout 0.996 / holdout2 0.998（不开 VLM 的回归）不变。
- 新增用户记忆（`rea_video/memory.py`，存在 `~/.rea-video`）：`correct` 记录纠正并立即改结论，同一文件再拆时自动套用；同类纠正出现 2 次以上，会在复核任务和 `summary` 里提示；`prefs` 记默认参数和自由文字偏好；`memory --export-labels` 导出评测样本。评测（`rea-video eval`）不读用户记忆。

## 2026-10-30：实拍口播（夜景 / 室内）+ 拍法与打光

新数据：`eval/koubo.yaml`（2 条抖音转码口播，人工逐镜标注，**开发集**：规则是看着这两条调的）。

问题（改前，不开 VLM）：夜景公交站口播被判成「3D 渲染 82%」，人声判成 TTS；室内贴脸口播 33% 判成 3D。原因：
1. 转码把夜景暗部压成近黑平坦块、墙面和黑衣服也是平坦块，「平坦块多 / 用色少」被当成渲染特征。
2. **人脸检测一直没生效**：OpenCV 5.0 去掉了 `CascadeClassifier`，旧代码异常被吞掉，所有视频 faces=0（不只是这两条）。
3. Gemini 其实判对了（实拍 1.0），但「只有一个看图来源时必须在工具前两名里」把它挡掉了。
4. 人声来源跟着画面错：实拍占比 0% → 按「后期配音」判成 TTS。

改动：
- `rea_video/faces.py`：YuNet 人脸检测（230 KB，首次自动下载），带五官关键点；没有模型时退回 Haar。
- 特征新增 `dark_ratio / dark_std / dark_flat / flat_lit / face_presence / face_area`。
- `classify.lowlight_photo`：大面积近黑但带颗粒（渲染的黑底是纯色）、亮部不平坦、有人脸 → 只按亮部算渲染纹理；`video_context.native30` 也把这类镜头算进来。
- 大人脸（占画面 ≥6%、≥50% 帧出现）→ 渲染纹理分 ×0.4；评测集里卡通/毛绒/插画脸都 <6%。
- OCR 读到 ≥5 行小字号文字 → 界面/文档截图，3D 降权（评测集里 3D 镜头最多 2 行）。
- 手持/移动机位时数字人分 ×0.3。
- `_vlm_gate`：看图来源判 实拍/AI/数字人、且镜头有大人脸或是弱光人物时，可以不在工具前两名里；工具对「渲染」有把握不再挡它（工具的把握只保护 AI/实拍轴）。转码 + 非原生 30fps 不改判实拍的保护不变。
- 新模块 `rea_video/cinematography.py`（同日改为 `rea_video/aspects/` 框架，见下一节）：逐镜测景别、主光左右/上下、光比、软硬、色温、背景虚化、点光源；整片汇总布光方案（夜景环境光 / 正面柔光 / 侧前主光+补光 / 单侧硬光）、器材清单、机位数、跳切/推近切、插入素材占比。VLM 提示词和 review 模板加了 cinematography（机位角度、光源、眼神光、轮廓光）和 shooting。
- 实拍镜头的复刻路线改成拍摄方案（`replication.shoot`），AI 近似降为备选。
- 评测加 `cine:`（景别、布光）和 `audio.voice_source` 检查。

结果（按时长加权的制作方式准确率；VLM = gemini-3.1-pro-preview，agent = Claude 看图复核）：

| 组合 | koubo_night_street | koubo_indoor_closeup |
|---|---|---|
| 改前 · 只用工具 | ≈0.05（3D 82%，只有黑底文字卡对） | ≈0.65（33% 判成 3D） |
| 改后 · 只用工具 | 0.51 | 0.99 |
| 改后 · + VLM | 0.78 | 0.99 |
| 改后 · + agent | 0.93 | 1.00 |
| 改后 · + VLM + agent | **0.98** | **0.99** |

- 拍法/打光（主景别、布光方案）四种组合都是 2/2：夜景 → 「夜景/弱光环境光，没有专门补光」，室内 → 「正面柔光（平光）」。人声来源（真人）：只用工具 1/2，开 VLM 或 agent 后 2/2。
- 只用工具时夜景 0.51：剩下的主要是「实拍还是 AI」二选一（转码后按设计标「待确认」），要靠 VLM / agent 看图定。
- Gemini 的拍法描述和 agent 有出入（夜景站姿镜头 Gemini 说硬光、无轮廓光，agent 看到身后路灯的头发亮边），报告里测量值和看图结果并列，不融合。
- 回归 1（四组旧评测集全部重新解码，人脸和新特征生效后再分类）：labels 0.999 / holdout 0.996 / holdout2 0.998 / articles 0.886，真实素材 0.976 / 0.996 / 0.981 / 1.0，逐条视频**与改前完全一致**；新规则在旧数据上触发了 9 次弱光、7 次大人脸、1 次小字截图，没有改错任何镜头。
- 回归 2（zcode 盲测缓存的 Gemini + agent 答案，用新规则重新融合；另做一版把答案挂到带人脸特征的重新解码结果上）：holdout / holdout2 / articles 的 工具 / +VLM / +agent / 都开 = 0.996/0.996/0.996/0.996、0.998/0.998/0.998/0.998、0.886/0.996/1.000/0.988，和上一节一致。
  中途一版「人物例外」不限范围时，holdout2 +VLM 掉到 0.991（dual_role_realcat 的 AI 人物被 Gemini 判成数字人并越过工具前两名），已收紧为「工具前两名里有渲染类标签时才放行」，并加了测试。
- 局限：两条口播都是同一个博主、都是开发集；软硬光和补光在转码夜景上偏保守；机位（手持 vs 支架）只靠运动统计，夜景里支架拍的半身镜头和手持自拍混在一起，没有标真值。需要更多不同博主、室内补光（环形灯/柔光箱）的口播做留出验证。

## 2026-10-30：拍法分析改成可插拔维度（aspects），去掉只认人脸的限制

动机：上一版的拍法 / 打光只认人脸，桌拍、商品、手部这类没有人脸的实拍拆不了；拍法逻辑散在 pipeline / vlm / review / report / eval 各处，加一项分析要改五个地方。

改动：
- `rea_video/aspects/`：每个维度（`framing` 取景、`camera` 机位、`lighting` 打光、`editing` 剪辑、`format` 形式）一个模块，统一走 测量 → 看图提问 → 逐镜解读 → 整片汇总 → 评测。VLM 提示词、`review_answers.json` 模板、报告「拍法、打光与剪辑」一节、`eval` 的 `aspects:` 校验都从注册表生成。说明见 `skills/rea-video/references/aspects.md`。
- 主体（`aspects/subject.py`）：人脸 → 画面最清晰的区域（细节能量最高的连通块）→ 画面中心。打光、景别、机位聚类都在主体上测；没有人脸时景别标「估算」。
- 打光布光方案改成规则表 `lighting.SETUPS`（新增「逆光」），器材按「人物 / 物品」两套给。
- 剪辑新增「切点落在说话停顿处的比例」（剪气口）。
- 形式：人物口播 / 桌拍（物品为主体 + 固定或俯拍）/ 手持拍物品（开箱、带货、第一视角）/ vlog / 其他；看图结论优先。
- 测量、VLM、agent 三个来源逐项并列（`fields` 表），`prefer="seen"` 的项以看图为准，其余以测量为准，不做平均。旧的 `cinematography` 答案仍可读。
- 分类规则里这次加的阈值集中到 `classify.RULES`，注释写明来源分布，不再引用具体样片。

结果：
- 口播两条（工具 / +VLM / +agent / 都开）：夜景 0.51 / 0.78 / 0.93 / 0.98，室内 0.99 / 0.99 / 1.00 / 0.99，与重构前一致；`framing.shot_size`、`lighting.setup`、`format.format` 四种组合都是 2/2。
- 回归：四组旧评测集重新解码后 labels 0.999 / holdout 0.996 / holdout2 0.998 / articles 0.886，逐条与改前一致；zcode 缓存答案重新融合的 12 个组合数字也一致。
- 无人脸实拍：`art_v11_tiktok_original`（第一视角手持拍榨汁杯）走「清晰区域」路径，测得正面柔光、中性色温、下方台面反光、手持，和画面一致。它的形式起初被判成 vlog，于是加了「手持拍物品」一类（**看着这条加的**，算开发集）。新增目测标注 `aspects.format`：art_v11 → product，douyin_live_breakfast / douyin_live_street → talking_head，3/3。
- 还缺：俯拍桌面（固定机位、顶拍）的真样本，「桌拍」分支目前只有单元测试覆盖；室内补光灯口播、多人访谈也都还没有样本。

## 2026-11-01：复刻方案按「生成单元 / 拍摄场次」组织

动机：逐镜拆解是对的，但复刻不是一镜一做。视频模型（Seedance 2.5、Kling 3.0 等）一次能出多个镜头、能吃多张参考图和参考视频；实拍时同一场景、同一机位的镜头要一起拍。原来的复刻计划是每个剪辑镜头一个任务，报告也只列证据，看不出"怎么做"。

改动：
- 新增 `rea_video/production.py`，`finalize` 后写入 `breakdown.json` 的 `production_plan`，报告新增「复刻方案」一节（md / html）。
  - AI 镜头（ai_video / cg_3d）→ 生成单元：硬切相连、同一场景（首尾帧 HSV 直方图距离 ≤ 0.5）的镜头合并；按所选模型的能力（`capabilities/models`：单次时长、是否 `video.multi_shot`、参考视频、原生音频）分组，单元内连续硬切尽量 ≤8s、最多 10s（S06），在叠化/淡入淡出和换场景处切开（S03），超长单镜切段（S02），硬切相连的同场景单元用上一单元尾帧衔接（S05）。用动态规划求最少单元数。每个单元输出参考素材（产品图、人物图、原片片段）、全片统一的风格句 + 多镜头提示词（中英）。
  - 默认引擎不支持多镜头时（能力地图里 Seedance 2.0 没有 `video.multi_shot`），按 R11 首选的多镜头模型规划，并写明两种做法的调用次数。
  - 实拍镜头 → 拍摄场次：按场景聚类（不要求相邻），场景内按景别 + 机位方式分机位，先大景别后特写，给建议拍摄时长。
  - 代码渲染 / 录屏 → 连续的合成一段代码工程；静图推拉 → 本地重建。
- 阈值放进 `capabilities/routing.yaml` 的 `segmentation.defaults`（`multishot_hardcut_s`、`same_scene_distance`）。
- agent 看图复核的答案新增 `replication.image_prompt / video_prompt / video_prompt_en`，不开 VLM 也能产出提示词；同一镜头 agent 的提示词优先于 VLM。

结果：
- 判断逻辑没动，四组评测与改前一致：labels 0.999 / holdout 0.996 / holdout2 0.998 / articles 0.886。`pytest` 58 项通过（新增 `tests/test_production.py` 6 项）。
- 样例（开 VLM 的 OiiOii 榨汁杯复刻 v12）：8 镜 → 3 个 Seedance 2.5 生成单元（#1–#5、#6、#7–#8），逐镜要 8 次；TikTok 原片 v11：11 镜 → 1 个场景、2 个机位（中景手持 9 镜、近景 2 镜），与画面一致。
- 局限：场景相似度只看颜色分布，MV 这类同一人物、不同景别和道具来回切的视频会切得偏碎（AI 音乐 MV 67 个 AI 镜头 → 40 个单元，另有 19 个静图推拉镜头夹在中间把它们隔开）；原作者实际分了几次生成，目前只在报告里推荐分法，不做断言——转码后 24→30 重复帧相位在切点处通常连续，分不出来。生成单元的分法还没有真值标注，也还没拿真实模型跑过一次验证。
- 补充（同日，看 README 案例时发现的问题）：
  - 生成单元可以跨过插入画面：同一场景的 AI 镜头被代码界面 / 录屏 / 静图隔开时，仍合并为一次生成，剪辑时再插回插入画面。混合片（双角色对话 + 界面）从 4 次生成降到 1 次（5 镜、7.9s）。提示词时间按生成时的时间轴累加。
  - 3D 渲染镜头的摘要不再写成"AI 画面"，并给出第二条路线：LLM 写 Blender / Three.js 工程。代码渲染段统一为"1 个代码工程（N 段）"。
  - 拍摄场次按归一化的景别（五档）和机位方式（测量枚举）分组；之前 VLM 的自由文字（"近景（手持物品特写）"）把 TikTok 原片的 2 个机位拆成了 6 个。
  - 拼帧图底栏改成中文类名、21px 字，时间单独一行。
  - 观察：开 VLM 重跑 TikTok 原片（art_v11）时，Gemini 把 3 个实拍镜头判成 AI（理由"挂钟数字乱码"，实际清晰），工具只标了"证据不足"。agent 看图复核后改回实拍 100%。说明转码实拍上 VLM 单次结果不稳定（评测表里同一条是对的），看图复核这一步不能省。
  - `pytest` 59 项通过。

## 2026-11-01：先判大类再判细类；真实素材和参考素材分开；物体上的字、24p 实拍、VLM 分歧

动机（跑 README 案例时暴露的 5 个问题）：
1. AI 音乐 MV 的 #26、#37：工具判 AI 视频、agent 判数字人、VLM 判实拍。三方里两方认为是生成的，但票分在两个细类上，结论是实拍。
2. AI 画面里的产品被标成「商品实拍图」、代码界面里播放的视频被标成「实拍视频素材」：画面里嵌入的真实像素，和复刻时要准备的参考，混成了一类。
3. VLM 单次结果会编证据（榨汁杯原片的「挂钟数字乱码」），流程里没有专门把这类镜头挑出来。
4. 24→30 重复帧被当成 AI 证据；24p 相机实拍导出 30fps 也会这样。
5. OCR 把杯身 Logo、牛奶盒上的字当成后期字幕。

改动：
- `classify.GROUPS` / `fuse` / `decide`：AI 视频 + 数字人 = 生成，3D + 代码 = 渲染，其余各自一组。有看图来源参与时先按组融合、再在组内分细类，置信度报这一组的总概率。只用工具时仍按细类取最高（试过也按组：工具给数字人的分数是从 AI 视频里分出来的，合并后口播夜景 0.51→0.33，撤回）。
- `pipeline._majority`：先看细类多数（工具 + agent 判代码、VLM 判 3D → 代码），再看大类多数（工具判 AI、agent 判数字人 → 生成）。`fuse` 的多数约束同时按组生效（只按细类封顶时，AI + 数字人加起来仍会压过「工具 + agent 都判实拍」，口播 VLM+agent 0.985→0.963，已修）。
- `assets.material_summary`：`items` 只放画面里的真实像素；AI 视频 / 数字人 / 实拍里 VLM 说的商品、Logo、人物，以及 3D 里的商品、Logo、人物，进 `references`（报告「复刻要准备的参考素材」，生成单元仍引用 `@图片1`）。版式里 VLM 说的 `real_footage` 记为「嵌入视频片段」。
- `pipeline`：工具和 VLM 一方判实拍、一方不是，且没有 agent 复核过时，写 `base.disputed`，`review_tasks.json` 列为必看，`summary` 和报告里显示。
- `_ai_or_live_doubt`：判 AI 视频、证据是 24fps 源、没有 AIGC 标识、看图一方认为是实拍（≥0.5）时，标「AI 还是 24p 相机实拍待确认」，置信度封顶 0.7。
- `classify.drop_scene_text`：实拍 / AI / 数字人 / 3D 镜头上，VLM 的 `overlay_text`（只列后期文字）里没有的 OCR 文字轨算物体上的字，不进叠加层，记在 `base.scene_text`；没开 VLM 时，同一段字在画面里移动超过 4% 才算。匹配要求有一段连续相同的字（防止 "Aon" 凑巧匹配 "GAME CHANGER"）。静图推拉不过滤（截图上的字就是内容）。
- 新增 `tests/test_fusion_groups.py`（6 项），`pytest` 65 项通过。

结果：
- 只用工具：labels 0.999 / holdout 0.996 / holdout2 0.998 / articles 0.886 / koubo 0.755（夜景 0.512、室内 0.988），真实素材 0.976 / 0.996 / 0.981 / 1.0，与改前一致。
- zcode 缓存的 Gemini + agent 答案重新融合（工具 / +VLM / +agent / 都开）：holdout 0.996 / 0.996 / 0.996 / 0.996，holdout2 0.998 ×4，articles 0.886 / 0.996 / 1.000 / 0.988，与改前一致。koubo +VLM 0.885、+agent 0.967、都开 0.985，与改前一致。
- 案例：MV #26、#37 改判 AI 视频（63%），整片不再有实拍；MV 另有 5 镜标「有分歧」待看图。榨汁杯复刻（v12）不再有「真实素材」，改为「复刻需准备参考：商品参考图、Logo」；原片（v11）的「字幕」叠加层去掉（是牛奶盒上的字）。OiiOii 宣传片（v10）的「实拍视频素材 33.4s」改为「嵌入视频片段」。
- 局限：24p 实拍的规则没有样本验证；「有分歧」只是把镜头挑出来，判对还要靠看图；物体文字的判断在不开 VLM 时只看移动，静止镜头里的商品文字仍会被当成叠加层。
- 补充（同日第二轮）：
  - 24p 实拍模拟：把手机实拍原片（art_v11）先转 24fps 再转回 30fps，只用工具时 11 镜全部判成 AI 视频（置信度 0.89，没有任何提示）。像素特征上和真正的 AI 视频分不开（噪点、用色、重复帧几乎一样）。改为：判 AI 视频、只有 24fps 帧率证据、没有 AIGC 标识、又没有看图来源时，一律标「AI 还是 24p 相机实拍待确认」，置信度封顶 0.7，并进入 `review_tasks.json` 必看列表。模拟片现在结论带「96% 时长待确认」。评测准确率不受影响（只改置信度和提示）。
  - 三方各执一词：MV #29 工具判 3D（次选 AI 视频 0.20）、agent 判 AI 视频、VLM 判实拍 0.95，结论成了实拍。`_majority` 增加一条：两个看图来源互相不一致时，只有一方和工具的次选（≥0.15）同组，就按它。加了测试。
  - agent（Claude）复核了案例里所有「有分歧」的镜头：MV #27/#29/#36/#38/#46（奏折小字是伪汉字等，均为 AI 视频，原工具判 3D 的改为 AI 视频）、榨汁杯复刻 #1/#5/#8（AIGC 标识 + Logo 乱码）、混合片 #3。5 个案例现在没有「有分歧」或「待确认」的镜头。
  - 回归：只用工具 labels 0.999 / holdout 0.996 / holdout2 0.998 / articles 0.886 / koubo 0.755；缓存答案重新融合各组合、koubo +VLM / +agent / 都开 0.885 / 0.967 / 0.985，均与改前一致。`pytest` 66 项通过。

## 2026-11-01：覆盖面扩展——2D 动画、定格动画、实拍上的 AI 加工、更多布光、调色、速度

动机：盘点能拆的类型时缺了几类常见做法：实拍被 AI 二次加工（换脸、对口型、风格化）、2D 动画、定格动画；打光缺户外、低调/高调、彩色氛围光、产品静物；没有调色和拍摄速度。

改动：
- 新类别 `anim_2d`（2D 动画）、`stop_motion`（定格动画），`classify.UNMEASURED`：工具没有像素测试（一拍二的保持帧和帧率转换分不开），只由看图来源判断。单一看图来源也可以给出（`_vlm_gate` 不再要求"在工具前两名"），但标「待确认」、置信度封顶 0.7。分组：2D 动画归渲染，定格归实拍。路由 R19（2D 动画：设定图 + 首尾帧，或 AE / Live2D / Spine）、R20（定格：首选真拍）；复刻方案里 2D 动画进生成单元并给动画工程替代路线，定格进拍摄场次并写逐帧拍法。
- 实拍上的 AI 加工：VLM 和 agent 答案新增 `ai_edits`（face_swap / lip_sync / restyle / outfit_swap / bg_replace / object_edit / beautify）。实拍和定格镜头上转成后期步骤（`plan.AI_EDITS` → R12 视频编辑 / R13 口型重配 / R05 换装），拍摄场次里写"拍完后要 AI 加工"，结论写"实拍经 AI 二次加工：换脸 N 镜"。agent 的答案（包括空列表）优先于 VLM。
- 新维度 `aspects/grade.py`（调色）：全帧测饱和度、对比、黑位/白位、暗部和亮部的冷暖（只在低色度像素上测，避免深蓝物体伪造青橙）、亮度分布、亮部颜色数；归纳为自然 / 青橙 / 日系 / 胶片 / 黑白 / 暗调 / 高饱和。旧拆解没有这项测量时，`finalize` 用存好的首尾帧补测。
- 打光新增 7 种布光方案（共 12 种）：户外逆光 / 户外直射 / 户外阴天（要看图来源在 `lighting.location` 写"户外"）、低调、高调、彩色氛围光、产品静物（新测量 `bg_std`）。夜景环境光里出现多种饱和色时加"霓虹 / RGB"备注。
- 机位维度新增看图字段 `speed`（正常 / 慢动作 / 延时 / 变速 / 倒放）。
- 新增 `tests/test_coverage_ext.py`（6 项，合成图验证调色风格、深蓝物体不误判青橙、各新布光方案、新类别融合、AI 加工步骤），`pytest` 71 项通过。

结果：
- 只用工具 labels 0.999 / holdout 0.996 / holdout2 0.998 / articles 0.886 / koubo 0.755，真实素材 0.976 / 0.996 / 0.981 / 1.0；koubo 取景 / 布光 / 形式 2/2；缓存答案重新融合各组合、koubo +VLM / +agent / 都开 0.885 / 0.967 / 0.985，均与改前一致。koubo 室内重新解码，新测量正常写入。
- 案例调色：MV 暗调低饱和、榨汁杯原片和复刻版自然、3D 科普片日系清新（明亮低对比），与画面一致。
- 局限：新类别、AI 加工、新布光、调色都没有真实标注视频，阈值来自合成图和经验值；数字人仍没有评测视频。下一步要收集：不同博主的实拍（室内外、RGB 灯、产品台）、数字人、2D 动画、定格、换脸 / 对口型视频各几条。

## 2026-11-01：剪辑包装层——字幕时间轴与样式、花字、贴纸 / GIF、音效卡点

动机：之前只在每个镜头抽 4 帧做 OCR，知道「这镜有字幕」，但拆不出逐句时间、字幕样式、花字、贴纸 / 表情包 / GIF，音效也没和画面事件对上。复杂剪辑的包装层复刻不出来。

改动（`rea_video/packaging.py`，整片一条时间轴，不按镜头切）：
- 字幕时间轴：整片每秒 2 帧 OCR（最多 240 帧，画面里没有任何 8×8 块变化才沿用上一帧结果），多行字幕合成一块，同一位置同一段字跟踪成一句；再用每秒 10 帧的灰度帧把起止对齐（以相邻句的画面为对照，避免两句互相侵入）。导出 `packaging/subtitles.srt`。
- 文字样式（从像素量）：只在文字框里聚类；字芯 = 被包住、碰不到背景的颜色里横跨整行的那个；描边 = 字芯外 2 像素一圈的主色且比背景里常见；底框 = 文字左右紧贴处颜色一致且和更远处不同；关键词高亮 = 另一个有实心笔画的颜色（和抗锯齿过渡色区分）；渐变、字高、粗细、倾斜。同一条字幕轨的字色 / 描边按多数统一。
- 文字分类：字幕（同一位置连续换句）、花字（字大 / 彩色 / 倾斜 / 粗描边 / 多色 / 弹出，至少两条）、标题（顶部常驻、只有一段字）、文字标注（章节牌、跟着物体走的标签）、画面里的字（跟着画面动、无描边无底框）。
- 入场 / 出场：一帧到位 = 直接出现；否则按出现前后的差异区域判缩放弹出 / 逐字 / 滑入 / 淡入；句中弹跳、变色单独标。
- 贴纸 / GIF / 画中画，三条线索：① 在动的画面上，一块边界清楚、内部不动、四周都在动、不贴画面边的区域，保持 1.5 秒以上（口播上贴的表情包、头像、截图）；② 切镜时画面几乎全变（没变的不超过 15%，排除同机位跳切）而这一块不变；③ 去掉镜头运动后，镜头中途某块整体突变并保持，后面又整块消失、原处纹理恢复。③ 在实拍 / AI 画面上常是画面本身（抬手、换装），所以除非里面在循环播放或完全静止，只标「疑似」、不进结论。3D / 动画 / 版式 / 录屏画面里只认跨切镜或循环的。贴边、过细的区域不算。有贴纸的镜头，制作方式特征只在贴纸外的区域测。
- 音效：每个音效对齐到最近的画面事件（±0.2 秒）；没开 VLM 时在花字 / 标签 / 贴纸出现时刻补找瞬态声，作为低置信候选。
- VLM 整片提示词增加 `text_effects`、`stickers`；`rea-video review` 增加 `packaging`（确认 / 否定贴纸、改文字类型、补漏）。导出 `packaging/overlays.ass`（颜色、描边、底框、位置、弹出动画）。`--no-packaging` 可跳过。
- 新增 `tests/test_packaging.py`（8 项：合成视频上的字幕时间轴和白字黑描边、弹出花字、循环 GIF 贴纸位置和时间、音效对齐、ASS 导出、贴纸区域剔除、复核覆盖、流水线输出），`pytest` 79 项通过。

真值：从 capsule-cinema 的叠字代码导出（`eval/*_text.json`）——salted_egg / birdnest 的 overlay.py（字幕逐句时间、说到关键词变黄弹跳、常驻标题、章节牌、跟着物体走的标签、大号贴字），monkey_wine_v3 的 subtitles.json（双行字幕）。**这三条在开发时反复看过，不是独立测试集。**

| 视频 | 字幕句数 | 召回 | 精确 | 起 / 止误差中位 | 起止都在 0.25s 内 | 文字相似度 | 字色 / 描边 | 关键词高亮 |
|---|---|---|---|---|---|---|---|---|
| salted_egg_plush | 40 | 0.975 | 1.000 | 0.063 / 0.056s | 74% | 0.989 | 100% / 100% | 84% |
| birdnest_plush | 32 | 1.000 | 1.000 | 0.066 / 0.045s | 66% | 0.988 | 100% / 97% | 100% |
| monkey_wine_v3 | 42 | 1.000 | 0.933 | 0.070 / 0.042s | 86% | 0.990 | 93%（无描边，0 误报） | — |

其他文字：标题 3/3、章节牌 12/12 找到且归类正确；跟着物体走的标签 11 个找到 7 个（只出现 0.5 秒左右的常被 OCR 漏掉），其中 2 个被分成了花字；大号贴字（「流油咸鸭蛋！」「燕窝！」）2/2 判为花字。

贴纸：
- 三条真值视频都没有图片贴纸，最终 0 处。birdnest 里「蛋突然孵化」被像素层当成贴纸，靠「3D 画面里只认跨切镜或循环」排除。
- 合成视频：循环 GIF（两帧表情、0.4 秒一循环、背景在平移）能找到，位置、起止、循环都对。
- 真实视频（articles 10 条 + koubo 2 条，人工看图核对，没有逐帧真值）：进结论的检出 9 处，6 处是真贴纸（口播室内的猫猫表情包、机器人「Got it!」、4 个名人头像圆贴纸），3 处误报（v10 界面里播放的视频、v12 带货实拍、口播夜景片尾）；另有 1 处「疑似」（v07 换装，确实不是）。漏检明显：口播夜景里人在动时贴上的「豆包」图标、点赞截图卡片、圈注截图，口播室内的聊天截图都没找到——估计召回约一半。这些要靠 VLM（整片提示词已要求列出贴纸）或 agent 看图补。
- 第一版只靠「镜头中途突变」时，这 12 条视频上报了 30 多处，几乎全是误报（抬手、换装、跳切背景、画面边缘），所以才改成上面三条线索。

音效：在 salted_egg / birdnest 上，花字 / 标签 / 贴纸出现时刻补出的候选 17 个，对上 cue sheet 的 7 个（41%）。这两条的真值音效很密（每秒约 1.7 个），随机落点也有约 28% 能对上，所以提升有限，只作为低置信候选；开了 VLM 时不补。

回归：只用工具 labels 0.999 / holdout 0.996 / holdout2 0.998，真实素材 0.976 / 0.996 / 0.981，声音各项与改前一致。**更正（2026-11-02）**：这组数字是复用缓存特征重新分类得到的，没有重新解码，漏掉了这次改动带来的回归，见下一节。

耗时：包装层每分钟视频约 30–50 秒（主要是 OCR）。

## 2026-11-02：重新解码后的回归

起因：整理仓库时用新的输出目录跑评测，所有视频都从头解码，分数和记录对不上。`rea-video eval` 在输出目录里已有 `breakdown.json` 时会复用缓存特征、只重新分类，所以之前几次「与改前一致」都没覆盖到解码阶段的改动。

| 集合 | 复用旧缓存特征 | 从头解码 | 真实素材（从头解码） |
|---|---|---|---|
| labels | 0.999 | **0.983** | 0.976 |
| holdout | 0.996 | **0.996** | 0.996 |
| holdout2 | 0.998 | **0.989** | 0.972（原 0.981） |
| articles | 0.886 | **0.886** | 1.0 |
| koubo | 0.755 | **0.755** | 0.771 |

- 从头解码结果稳定：monkey_wine_v1、dual_role_human 再解码一次，分数不变。
- 改判的 3 个镜头：monkey_wine_v1 #2（4.8–10.1s）静帧 → 代码渲染（0.69）；dual_role_human #4（3.9–5.8s）代码渲染 → 3D（0.50）；dual_role_realcat #4（3.9–5.9s）代码渲染 → AI 视频（0.35）。
- 二分定位：在 8ae09ce / e8c7f99 / c7122a4 上从头解码，这两条都是 1.0；到 cdc7eeb（剪辑包装层）变成 0.89 / 0.897。是剪辑包装层引入的。
- 原因：这 3 个镜头上都有只靠「跨切镜不变」检出的静态贴纸（实际是连续插画里的同一个角色、版式卡片上的标题），`clean_region` 据此只量画面的一部分（monkey_wine_v1 只剩左 55%，dual_role 去掉上方 23%），帧冻结、局部运动这些证据被裁掉。评测集里被裁剪测量的 41 个镜头，没有一个因此改对。
- 修复：`clean_region` 只认镜头内有证据的贴纸（中途出现或循环播放）；只跨切镜不变的照样报告，但不再裁剪测量。口播室内的表情包（中途出现）仍会裁剪。**还没重新解码评测**，上表和 README 的分数仍是修复前的。
- README 的「准不准」表已改成从头解码的数字；加 VLM / agent 的两行是 11-01 的结果，还没在新解码上重测。
- 以后回归要用新的输出目录（或 `--only` 指定视频）强制重新解码，不要只复用缓存。


## 2026-11-04：实拍带货 + AI 与真人混合（eval/daihuo.yaml，目测真值）

两条抖音视频（HEVC 1080x1920 30fps，TikHub 下载），真值是人工逐镜目测 + 视频作者自述的制作流程，没有生产记录。规则没改，这一组是**现有规则第一次跑**。

- `daihuo_unboxing`：沉浸式开箱，72 秒 29 镜，全部实拍（头顶俯拍支架，无口播）。
- `daihuo_ai_tutorial`：AI 带货教程，58 秒 21 镜。实拍 75%（口播 3 秒、口播叠商品照片 4 秒、相机拍真实手机屏幕 37 秒）+ AI 25%（即梦 Seedance 2.0 用作者本人出镜视频做主体参考生成的 13 秒带货片段，首尾各用一次）。

| 制作方式（时长加权） | 只用工具 | + Gemini VLM | + agent 看图复核 |
|---|---|---|---|
| daihuo_unboxing | 65.2% | 96.9% | 97.4% |
| daihuo_ai_tutorial | 22.9% | **22.9%** | 97.7% |
| 两条合计 | 46.4% | 63.9% | 97.5% |
| 真实素材 | 62.4% | 86.8% | 97.5% |

拍法：形式（开箱 → 桌拍/手持物品；教程 → 桌拍/口播）只用工具 1/2，开 VLM 后 2/2；机位角度（顶拍/俯拍）开 VLM 后 1/1；布光方案 1/1。声音：开箱片只有拆包同期声没有口播，工具判成有人声（1/2）。

发现：

- 转码后静止的俯拍手部镜头会被工具判成 AI（开箱片 35% 时长），Gemini 能纠回来。
- **相机拍真实手机屏幕**（不是录屏）37 秒，工具判成 3D 渲染 / AI（屏幕 UI 的平坦色块像渲染画面），Gemini 判实拍是对的，但融合规则在「工具判 3D、VLM 判实拍」时跟了工具，所以开 VLM 分数没变。这类画面（教程里拍手机、拍电脑屏）需要在融合或确定性规则里单独处理，待做。
- agent 复核后仍有残留：教程片 #4（1.3 秒口播）融合后 AI 54%；开箱片 2 镜共 1.9 秒仍留 AI。原因都是工具端 AI 概率太高、单个看图来源压不过。
- 两段即梦成片文件里没有 AIGC 标识，抖音接口的 `show_ai_corner` 也是 false；认出 AI 靠的是画面里的即梦水印和礼盒英文乱码。

复现：`rea-video eval eval/daihuo.yaml -o out/eval_daihuo`（工具）、`--vlm -o out/eval_daihuo_vlm`（Gemini）；agent 复核的结果是把 `rea-video apply-review` 后的输出目录复制到 `out/eval_daihuo_review/<id>/` 再 `eval --vlm` 复用。


## 2026-11-04：混合结构视频里，看图复核的实拍判断按镜头放行（issue #8）

issue #8 的口红带货片（抖音转码，HEVC 1080x1920 30fps，98 秒 38 镜）：AI 猫店员开场 23 秒（24→30 重复帧）+ 2 秒促销版式卡 + 75 秒真人试色素材（没有重复帧）。工具把真人部分全判成 AI 低置信，agent 看图复核判实拍后**一个都没改**：`_vlm_gate` 在转码视频上只认整片的 `native30`，而整片因为混了 AI 开场只有 64% 时长原生 30fps（阈值 70%），于是「转码 24fps 素材不改实拍」这条挡住了所有镜头，报告写成「AI 86%」、复刻方案给了 20 个生成单元。

改动：

- `classify.deterministic` 新增逐镜 `facts["native_cadence"]`：30fps 文件里这一镜 `dup_ratio < 0.02`、没有 pulldown（转码文件不看 GOP 清晰度周期）。只是事实，不参与打分。
- `pipeline._vlm_gate`：转码视频上看图判实拍时，整片 `native30` 或**这一镜** `native_cadence` 二者有一即放行；另外工具前三名都不到 0.4、且看图类别只比次选差 ≤0.08 时（唇部微距没有人脸，工具给 3D 0.35 / AI 0.27 / 实拍 0.22），看图结果也计入。
- `pipeline._ai_or_live_doubt`：实拍「待确认」文案按这一镜有没有重复帧区分，镜头有相机节奏且看图判实拍（≥0.5）时不再标待确认。
- 这条视频并入后：实拍 75% + AI 25%，改判 31 镜；残留 #4 促销卡（2 秒）仍判 AI（工具 0.46，看图的版式类不在前两名）。

回归（重新解码；labels / holdout2 只剩本机有文件的 7 / 3 条，capsule-cinema 的产出已不在）：

| 集合 | 只用工具 | 说明 |
|---|---|---|
| labels（7 条） | 1.000 | 真实素材 0.958，与改前逐条一致 |
| holdout（7 条） | 0.995 | lulukong_b 0.962，与改前一致 |
| holdout2（3 条） | 0.995 | — |
| articles（10 条） | 0.886 | 与 11-02 一致 |
| koubo（2 条） | 0.755 | 0.51 / 0.99，与改前一致 |
| daihuo（2 条） | 0.464 | 与 11-04 一致 |

只用工具的分数不受影响（新事实不参与打分）。用缓存的看图答案重新融合 daihuo：

| 组合 | daihuo_unboxing | daihuo_ai_tutorial | 真实素材 |
|---|---|---|---|
| + Gemini VLM（改前 → 改后） | 96.9% → 96.9% | 22.9% → **37.2%** | 86.8% → **92.6%** |
| + agent 看图复核 | 97.4% → 97.4% | 97.7% → 97.7% | 97.5% → 97.5% |

教程片里「相机拍真实手机屏幕」的镜头有一部分因为镜头自身没有重复帧被 Gemini 的实拍判断纠回来了，剩下的仍是「工具判 3D、看图判实拍」跟了工具（待做）。issue #8 的视频作者未勾选公开，没有加进评测集。


## 2026-11-05：健壮性修复（深度审查）

- `probe`：容器字节扫描跳过 mdat（压缩帧数据里随机出现的 `vEo` 等会被认成「Google Veo?」，整片每个镜头 AI +1.0；8 条新编码 mp4 里 2 条中招）。字节里的生成器名只记为 `generator_weak`，不参与打分；C2PA 只有和生成器名同时出现才算 AI 证据（相机也会签 C2PA）。
- 低帧率（< 12.5fps）视频抽尾帧会越过最后一帧导致 decompose 中止，改为退回取最后一帧；损坏视频解码时 ffmpeg 报错写满管道会卡死，改为写临时文件。
- 整片 VLM 答案先做结构清洗（`narration` 不是对象、`sfx.t` 写成 `"00:03"` 等不再让 finalize 崩溃，旧缓存也会清洗）；`choices` 为空 / `content` 为空时换下一个模型。
- 复刻引擎写进 breakdown，`apply-review` / `correct` / 评测重算不再重置成 seedance2.0；`remake-plan --engine` 生效。
- 只用工具的评测复用输出目录时去掉之前 `--vlm` / 复核 / 纠正留下的答案。
- SRT 时间戳进位、旋转视频的 ASS 分辨率、ASS 文本转义、镜头缩略图改存 uint8（长视频内存约 1/4，切点逐条一致）。

回归（复用缓存特征重新分类）：

| 集合 | 只用工具 | 说明 |
|---|---|---|
| labels（7 条） | 1.000 | 真实素材 0.958，与 11-04 一致 |
| holdout（7 条） | 0.995 | 一致 |
| holdout2（3 条） | 0.995 | 一致 |
| articles（10 条） | 0.886 | 一致 |
| koubo（2 条） | 0.755 | 一致 |
| daihuo（2 条） | 0.464 | 一致；+ Gemini 0.703 / 真实素材 0.926，+ agent 复核 0.975，均与 11-04 一致 |

8 条案例视频的镜头切点在改动前后逐条一致。

### 同日追加：可变帧率切点、换语言重出报告

- 可变帧率视频（录屏、手机暗光）的镜头时间原来按「帧序号 / 平均帧率」算，会错位：30fps + 10fps + 30fps 各 2 秒的片子，切点报成 2.571s / 3.429s。现在读容器里每帧的时间戳（不解码，每条约 0.04 秒），和均匀时间差超过半帧时才改用，切点为 2.0s / 4.0s。案例和评测集里的视频都是恒定帧率，不走这条路。
- `--lang` 换语言重出报告时，包装层里存下来的文字类型、动画、颜色、字高说明按新语言重新生成；VLM 和复核者写的描述保持原文。

回归：6 个集合 + daihuo 的 Gemini / agent 复核两组分数与上表一致；8 条案例视频切点逐条一致。