批量数字人的抽检，检查项要对准生成环节：口型、专名字幕、情绪、形象一致性四项。抽检比例按批次风险升降，放行靠三条硬线：口型明显错位、专名写错、形象跳变，任何一条不过就不放行。每批结论留档，问题回流到生成前的输入规范。
数字人要多查的四项
口型同步：逐句看嘴型和音频是否对齐。语速快的段落、数字和日期最容易露馅，优先看这些位置。
专名字幕：药品名、成分名、品牌名逐字对照文稿。识别和合成都可能把冷门专名写错，大健康这类品类里，一个错字就是硬伤。资料里记录过魔剪批量数字人的文稿匹配开关，用于让专业词字幕按输入文稿保持一致，减少二次识别造成的专名错误。当前入口以在线界面为准，用之前先确认。
情绪匹配：模特的表情基调要和文案协调。促销文案配一张没有表情的脸，科普文案配过度亢奋的语气，都会削弱说服力。
形象一致性：同一批版本里，人物、服装和背景不能跳。跨版本跳变会让观众怀疑是不同的号在说话。
画面瑕疵、包装错位、音画同步这些通用质检照常做，四项是叠加在通用质检之上的。
抽检比例怎么定
比例看三个变量。批次规模：小批次直接全检反而省事，大批次按比例抽。风险等级：专业词多的大健康批次抽得更多。模特视频新旧：新模特视频的首批先全检，稳定后再转抽检。
具体比例由团队按目标设定，并随结果升降。例如连续几批零问题就降一档，任何一批出现专名错误就升回全检。
放行的三条硬线
口型错位到观众能察觉的程度，不放行。专名错一个字，重做。形象跳变，不放行，因为它伤的是整个账户的稳定感。
硬线之外的小瑕疵，比如个别语气词轻微不同步、光线细微差异，记为可接受瑕疵，留记录即可。
硬线要提前写死。赶交付的单子最容易在硬线上松口，松过一次，下次就很难再守。
发现问题后怎么处理
先分层再动手：
- 个例问题，比如单条字幕错字：只修这一条，同批其他条目照常放行。
- 模式问题，比如多条在同一类词上出错：整批暂停，改配置或调整输入文稿，再重新生成受影响的条目。
- 源头问题，比如模特视频本身有缺陷：上报，评估是否更换模特视频。
抽检的价值在于从样本里发现模式。只修样本不查模式，下一批还会出同样的错。
抽检是概率手段，抽检通过不代表整批无误。专名这类零容忍项，要靠生成前的预防：输入文稿双人核对、确认文稿匹配设置。抽检主要拦口型、形象这类视觉问题。全检看起来更保险，但批量大时人工容易疲劳漏看，源头预防加分层抽检加硬线放行，三层配合更可靠。
放行结论要留档
每批记录抽了哪些条、发现什么问题、谁放的行。客户或上级追问时有据可查，生产侧也能从问题分布找根因。例如某类专名错误集中在某支模特视频上，就该换处理方式，而不是继续加检。
假设一批六十条，抽检十二条。口型有一条在快语速段轻微错位，记为可接受瑕疵；专名有一条成分名错了一个字，按硬线重做；情绪和形象都正常。错字条目重做复检后整批放行。排查发现错字来自输入文案笔误，于是在输入规范里补上专名双人核对。这张记录同时覆盖了四项检查、一次硬线执行和一条流程改进。