AI 识别给出高光和钩子点位之后，人工要做三件事：复核点位的完整性（上下文是否足够）、校正切点（断台词与画面瑕疵）、确认钩子真的设问（开头是否留住了悬念）。从导入原片到点位确认的完整流程是八步，本篇按操作顺序走一遍——AI 负责把几十集的拉片范围缩到可复核的量级，人负责把候选变成可用点位。
前置准备
开始前确认三件事：原片就位——单部剧的多集原片已整理，可来自常读剧库或本地，超大文件先转码降低体积；基础信息可填——剧名、画幅比例、目标时长、模板、播放速度这些配置项提前想好，导入时一次填对；复核标准对齐——团队先约定"什么算可用点位"（台词完整、上下文成立、画面无瑕疵），多剧并行时这一步决定产出一致性。
操作步骤
- 导入：从首页进入原片顺剪，导入单部剧的多集原片；
- 填基础信息：剧名、画幅比例、目标时长、模板、播放速度等；
- 识别或打点：点击 AI 识别高光/钩子；识别结果不理想的段落也可以直接手动打点——AI 是默认路径，不是唯一路径；
- 复核点位：在高光标识页查看梗概、台词和时间轴，逐段复核高光、钩子、卡审点；修正断台词和无上下文片段——这一步是整条流程的质量闸门；
- 设定组合：需要时设定指定的"高光—钩子"组合，并裁掉闪白、定帧、"未完待续"等片尾空镜或重复片段；
- 选择策略生成：选数量/丰富度策略，组合原片、高光前贴、自定义前贴、钩子结尾等策略，立即生成；
- 预览微调：预览候选，在页面微调片头片尾，重点版本进详细编辑；
- 合成导出：选择命名、格式、存储位置与关联信息，合成导出。
复核环节的三项检查
完整性：点位的前后文是否足够——脱离剧情后还能看懂的留下，看不懂的前扩铺垫或放弃；切点：台词是否被切断、画面是否有闪帧跳变——切点可帧级移动，AI 给的点位是候选不是终判；钩子设问：钩子的本质是留下问题，复核时站在没看过正片的观众角度问一句"我想知道答案吗"——不成立的钩子降级为普通高光。
复核速度的两个影响因素
实操里复核速度的差异主要来自两点。梗概的用法：先读梗概再看点位的复核员，对"这段在讲什么"已有预期，点位判断快且准；逐段盲看的复核员每段都要重建上下文，速度慢且标准容易漂——梗概、台词、时间轴三视图联动的价值就在这里。复核记录的沉淀：把每部剧的复核结论（哪类点位可用率高、哪类直接排除）记下来，同类型新剧复核时按记录预过滤，第二部剧的复核速度通常明显快于第一部。AI 拉片的效率不是固定的，它随团队对识别行为的理解加深而提升——把复核当一次性动作的团队，永远拿不到这个提升。
一次新剧拉片的时间预期
给首次使用者一个合理预期：识别环节是分钟级，复核环节才是主要耗时——一部四十集的剧，识别几分钟完成，复核按点位数量与质量走，通常需要几十分钟到小时级。这个比例关系决定了两件事：一是"AI 拉片"省掉的主要是逐集观看的时间，复核投入省不得，宣传里"几分钟出结果"的描述指识别环节而非全流程；二是复核环节的标准化建设（前文的三项检查、梗概用法、记录沉淀）是拉片提效的真正杠杆——识别速度是产品决定的，复核效率是团队自己决定的。预期校准后，就不会出现"AI 不准"和"还要人看"式的错位期待，流程也能按真实的耗时结构排产。
多剧复核的组织建议
单剧拉片复核自成一体，多剧并行时复核的组织方式决定整体效率：按剧认领复核责任，同一部剧的识别复核由同一人完成，避免上下文在不同人之间传递损耗；复核顺序按"先重点剧后普通剧"排列——重点剧的点位精度要求高，放在精力最好的时段；普通剧按批抽检与重点段确认结合，单剧复核投入明显低于重点剧的逐段精复。多剧复核还有一条横向检查：不同剧的候选之间抽查相似开头——识别在不同剧上独立运行，不会意识到跨剧的雷同，这一层只有人工能补。
常见排查
- AI 点位不准：重识别、手动增删点位或帧级移动，三条路按成本从低到高试；
- 候选数量不足：检查原片时长、可用点位数量、策略配置和每种组合的数量，不重复提交同一配置；
- 候选太像：增加经人工确认的开头/高光/钩子，优先丰富度策略——候选同质通常是可用点位太少或策略单一。
结果检查
生成完成后的交付前检查与复核同源：抽查候选之间是否开头扎堆、断台词是否混进成片、卡审画面是否处理。识别与复核是同一个质量闭环的两半——识别的偏差在复核暴露，复核的规则反馈回下一次识别配置，流程跑得越久点位质量越稳。