素材加工去重到底有没有用？我拿200条素材做了8组对照，附剪映和FFmpeg参数

先交代一下背景

去年11月，一个做农资号的朋友半夜给我打电话。他自己下棚拍素材，大棚、苗情、施肥、打药，前后拍了小半年，攒了差不多200多条。发出去就是两三百播放，最惨的一条19个播放，其中还有他自己点的。

他的判断是「去重没做够」。想让我写个脚本，批量加滤镜、左右镜像、微变速、改文件头，一条拆成三条发。他甚至已经算好了：200条素材，一条拆三条，就是600条，够他发大半年。

脚本我没写。但我陪他做了个实验，花了3周时间。下面这些内容，一部分是实验结果，一部分是我这几年做剪辑外包攒下来的经验，还有一部分是我自己也不太确定的推断——我会标出来哪些是推断。

先说一句可能有点扫兴的话：下面所有操作的前提，是素材属于你自己，或者你拿到了明确授权。搬运别人的东西，加工得再花哨也是侵权，这个跟技术没关系。

平台到底在比对什么

大部分人对手上这条视频的理解停留在「一个文件」，所以加工思路也是文件级的：改MD5、改时长、改分辨率。但平台的比对至少分了四层，一层比一层难糊弄。

第一层是文件指纹，也就是MD5、SHA1这类。这一层早在十来年前就没什么用了，你导出的时候编码参数变一下，MD5就完全变了。这一层基本可以忽略。

第二层是视觉感知哈希，最常见的是pHash。做法是把画面缩到32×32灰度，做离散余弦变换，取左上角8×8的低频系数，跟整体均值比大小，得到一串64位的0和1。两张图比的时候算汉明距离，业内一般把距离小于5的当成「同一张图」。你左右镜像一下，DCT系数的分布会大幅改变，pHash确实就废了。裁剪5%、调个色，也能拉开距离。

第三层是音频指纹，原理跟Shazam那套差不多，取频谱峰值做哈希。你换了背景音乐，这层就过了；但你要是原声口播一句没改，这层直接把你按住。

第四层也是最要命的一层——结构层。现在多模态模型可以直接读你的画面内容和字幕文本，比的是「这条视频讲了什么、按什么顺序讲」。你镜像一百遍，讲的还是「打药要选下午四点」，它照样认得出来。

我说的第四层，是外部观测加推断。我没在字节或者快手干过，拿不到他们内部的判定阈值，但有几个现象很说明问题：把别人爆款的结构一比一换成自己的素材重录，播放起不来；同一个人同一个选题，换叙述顺序重做，反而能跑。这跟「只看画面哈希」的模型解释不通。

8组对照，40条视频

朋友的素材是iPhone 13拍的，1080×1920，30fps，单段12到45秒，成品控制在60到75秒。我们用3个粉丝量在2000到8000之间的同类账号发布，时间跨3周，每组发5条，一共40条。

下面这张表是播放量中位数。样本很小，别当结论看，我也没法排除账号权重和发布时间的干扰。

1到4组基本可以认为没有区别，都在噪声范围内。第5组稍微好一点，我倾向于认为是字幕条提高了完播率，而不是「过了去重」。第7、8组才是真正拉开差距的，但这两组的共同点是——内容本身的信息结构变了，不只是像素变了。

那条11万的，朋友改了什么？他把原来「先讲现象再讲原因」的顺序倒过来了，开头直接甩了一句「叶片发黄别急着补氮」，然后才解释。就这么点事。

参数部分：剪映点哪里，FFmpeg敲什么

先说剪映，因为大部分人用的是这个。导出设置里，分辨率选1080P，帧率跟你源素材一致（别硬拉到60，30的素材拉到60只会掉画质），格式MP4，编码H.264，码率选「更高」大概是8到12Mbps这个区间，日常够用。真正在导出面板里能改的东西很少，它不给你控GOP和CRF。

想要精细控制就得用FFmpeg。下面这条是我批量处理竖屏素材用的，压得比较克制：

ffmpeg -i in.mp4 \
  -vf "scale=1080:1920:force_original_aspect_ratio=decrease,pad=1080:1920:(ow-iw)/2:(oh-ih)/2,eq=contrast=1.04:saturation=1.05" \
  -c:v libx264 -profile:v high -crf 20 -preset slow -r 30 -g 60 -pix_fmt yuv420p \
  -c:a aac -b:a 160k -ar 44100 \
  -movflags +faststart out.mp4

几个参数解释一下。crf 20是画质档位，数字越小越清晰体积越大，18到23是常用区间，低于18基本是浪费码率。-g 60是关键帧间隔，30fps下等于每2秒一个I帧，平台转码时定位会更准。-movflags +faststart把索引挪到文件头，上传后首帧加载快一些，这个很多人不知道，但确实有用。

音频响度也值得说一句。国内短视频平台的归一化目标大约在-14到-16 LUFS之间，你原始素材要是-22 LUFS，插上耳机听就明显比别人的小声。可以用loudnorm一次性拉平：

ffmpeg -i in.mp4 -af loudnorm=I=-14:TP=-1.5:LRA=11 -c:v copy out.mp4

变速的话，setpts和atempo要配对用，不然音高会飘。1.03倍大概是：

ffmpeg -i in.mp4 -filter_complex "[0:v]setpts=PTS/1.03[v];[0:a]atempo=1.03[a]" -map "[v]" -map "[a]" out.mp4

顺便提醒，atempo的参数范围是0.5到2.0，超出这个范围要拆成多级串联。变速幅度也别贪，3%以内人耳听不出来，超过5%口播就开始像快进了，完播率反而掉。

我的看法可能跟主流不太一样

市面上讲素材加工的教程，九成都在教你「怎么骗过算法」。我做了三年多剪辑外包，越来越觉得这个方向是错的。

因为平台的判定能力是在涨的。三年前镜像一下管用，现在不一定；现在管用的手法，明年大概率也不管用。你把精力押在「找漏洞」上，等于是在跟一个几百人规模的算法团队赛跑，你怎么可能赢。

反过来看，平台真正想打压的从来不是「加工」，而是「同质化」。用户刷到两条讲同一件事、连话术都差不多的视频，会觉得这个平台没意思——这才是平台真正在防的东西。所以你加工的目的如果不是增加信息量，而是让同一份信息看起来不一样，长期看一定是负期望的。

我自己现在的做法是：素材加工只做三件事——统一规格（分辨率、帧率、响度）、补充信息（加数据、加对比、加自己的判断）、重组结构（把最反常识的结论提到前面）。前两件是技术活，有明确参数；第三件是内容活，没有任何工具能替你干。

几个被问得最多的

改MD5有用吗？ 没用。现在的比对早就不在文件层了，你改一百遍也没有意义。

镜像+变速+滤镜三件套能过原创吗？ 过不了结构层。视觉层可能过了，但只要你的叙述逻辑跟原视频一致，该判重还是判重。

一条素材拆几条发合适？ 我的建议是不拆。同样的画面在同一个账号反复出现，用户会烦，完播率掉下来，账号权重也跟着掉。宁可少发，也别重复。

批量处理会影响画质吗？ 会。每转一次码就损失一次，尤其是二次压缩后再上传。所以流程上尽量一次到位，别转三四遍。我一般是用FFmpeg统一预处理成母版，之后所有平台从母版导出。

新号有必要做这些吗？ 说实话，新号最大的问题不是判重，是没流量池。与其花时间研究去重，不如把那点时间拿去多拍两条。