我把短剧分镜交给 AI 生成之后,重新算了笔账
视频大模型把文本、图像与视频的理解和生成打通,内容生产的分工正在重排。我以 Vidu 批量生成分镜的亲历为例,聊聊时间一致性、产线配套与版权审核这些落地环节的坑。
支持通配符SSL证书、多域名证书、IP证书。适配ACME接口, 支持Zerossl、Let's Encrypt和Google等渠道。登录已有账号
2026-11-04 18:16:13 广告审核 AIGC Agent 内容合规
我做广告投放那几年,最怕的不是烧钱,是素材被审核打回。
你可能也有过这种经历:下午赶出一批图文素材,提交平台,晚上吃饭时才发现三条被拒了,理由写得含糊,大概就是文案涉及夸大宣传。改一版,重新提交,再等两个小时审核。等通过的时候,当天的投放窗口早过了,团队的节奏全被那几条红色提示拖着走。

后来我在 QCon 上海看到一个分享,题目叫「生成即合规:Agentic AIGC 驱动的广告素材修复实践」。核心想法一句话就能讲完:别等素材生成完再靠人工打回返工,让审核规则在生成的那一刻就起作用,素材出生即合规。这个思路我琢磨了很久,结合自己团队踩过的坑,整理出一套能落地的做法。
最难的一步是把审核规则变成模型能理解的东西。平台的规则在人类眼里是一堆条文,比如广告法禁用绝对化用语,医疗、金融这类特殊品类另有限制,但模型需要的是结构化的约束。通用做法是把规则拆成一条条对象,每条带规则编号、适用品类、违规表达特征和改写提示,再配一个违规样本库和审核员真实填写的反馈文本,生成的时候把这些一起塞进上下文。
规则对象大概长这样:
{
"rule_id": "AD-012",
"category": "夸大宣传",
"forbidden_pattern": "绝对化用语,如『第一』『最佳』『百分百有效』",
"rewrite_hint": "换成可验证的具体数据或用户口碑表述",
"severity": "high"
}
规则就位,接下来是闭环:生成、审核模型打分、定位违规片段、改写、再审,循环到通过或者触发上限转人工。Agentic 的循环和简单重试的区别在于 agent 会做决策,同一段文案连续两轮被打回,它会判断是继续换措辞、换个卖点角度,还是干脆放弃这条素材重新生成。这层决策才是价值所在,单纯调模型盲改,文案很容易越改越乱。
样本库也不是建一次就完事。平台的规则会更新,审核员的尺度也会飘,我们每隔一段时间就把新打回的案例补进库里,让规则对象跟着长。这部分工作量不小,但比起天天在群里转发被拒截图然后干等,值。
说实话,这套玩法不是银弹。我们踩得最疼的坑是过度修复:模型把有攻击性的文案来回改了两三轮,安全是安全了,锋利劲儿全被磨没了,读起来通顺,点进去的人却少了。合规率上去了,点击率下来了,投放本质上就是在这两个数字之间反复找平衡的生意。
后来我们的做法是在规则里保留一部分高意愿表达,让模型只改命中红线的那一小段,别动整个句子。
改写轮数也要设上限,两轮不过就转人工,别让它自己跟自己较劲。
人工复核这块,别指望完全撤掉。医疗、金融这种高风险品类,还有模型拿不准的边界案例,还是得有人来兜底看一眼。变化在于人从每条素材的第一线退到守关卡的位置,角色从改错字的编辑变成了仲裁者,一天下来看的量少了,但每一条都更值钱。
部署层面,这类生成服务一般做成 API 形态,暴露 HTTPS 接口给投放系统调。我们这套服务上线时,证书是用 lcjmSSL 的轻量 API 自动签发部署的,每次换模型版本重新部署不用再手动配一遍,小事一桩,省心。
回头看那段被打回和等审核的日子,我最大的感受是:合规这件事,最怕的从来不是规则严格,而是反馈滞后又不确定。把规则前移到生成那一刻,投放团队拿回的是时间。至于素材偶尔被改得平淡了一点,靠真实投放数据慢慢调回来就是,那是另一场仗了。
视频大模型把文本、图像与视频的理解和生成打通,内容生产的分工正在重排。我以 Vidu 批量生成分镜的亲历为例,聊聊时间一致性、产线配套与版权审核这些落地环节的坑。
自研 Agent 一重启就失忆,因为对话历史只留在内存。我把完整消息存成 JSONL 会话文件,拆解创建、追加、恢复三个动作,再跑一个跨进程实验验证重启后能否接着上次对话继续回答。
面过大模型应用岗面试官后,我把 Prompt 考察收敛到五种推理范式:零样本与少样本、思维链、推理与工具调用交织、自我反思、结构化输出,结合面试现场讲清各自边界、翻车案例,以及成本延迟稳定性的追问怎么接。
Copilot 类智能体吐出的结构化结果,常常跟团队配置对不上。我给它加了一道验证环节,用 JSON 路径做断言,拿团队映射表当事实来源,过不了就退回重生成。顺带聊聊中间件怎么设计、失败怎么兜底。
聊的是广告素材合规这件事,规则不该等生成完再审核,而是拆成Agent能执行的检查项,让它定位问题做局部修复,不再整张重出。顺便说说多地区多渠道规则的组合麻烦,以及链路里那些容易翻车的细节。