修復紀錄／FAILURE & REPAIR
AI 影片最陰險的翻車：旁白被自己的淡出參數掐掉（附驗收清單）
整體 QA 通過，旁白仍被淡出參數掐掉；根因與修復對照。
這支片的 QA 報表全綠：解析度過、幀數過、字幕過、「音訊無削波」過、「音訊有聲」也過。但旁白是靜音的——17 段旁白從頭到尾幾乎聽不見，因為組裝腳本裡一個淡出參數的起點寫錯了 0.15 秒。這是《幽冥異聞錄》〈娃娃島〉V1 的真實翻車，也是我們從此把「逐段音量驗收」寫成鐵律的原因。
- 環境 ENVIRONMENT
- 《幽冥異聞錄》〈娃娃島〉V1（1080×1920 直式、20 鏡、總長 110.9 秒、旁白 17 段）
- 工具 TOOLS
- ffmpeg 音軌組裝（旁白＋棕噪床＋驚堂木音效）、QA 自動檢測
- 日期 DATE
- 2026-10-12（QA 全過在前，音軌修復紀錄同日）
- 數字 KEY FIGURES
- 修復前旁白段（4–14 秒）實測 mean −51.8dB；修復後五段抽驗 mean −16.8 至 −18.3dB
整體音量永遠不能證明旁白存在：峰值會被音效撐住、平均值會被底噪洗白。旁白驗收只有一種做法——逐段量測，每一段的 mean 要大於 −25dB、max 要大於 −10dB，少一段都不算驗完。
翻車現場：QA 全過，但旁白是靜音的
〈娃娃島〉V1 的自動 QA 報表（2026-10-12）長這樣：1080×1920 ✓、30fps ✓、20 鏡抽幀全不相同 ✓、字幕 50 條 ✓、無繁體字違規 ✓、音訊無削波（max −2.8dB）✓、音訊有聲（mean −31.7dB）✓——ALL PASS。
問題是：那 −2.8dB 的峰值來自驚堂木音效和環境底噪，不是旁白；−31.7dB 的整體平均，也主要是底噪床在貢獻。旁白軌實際的狀態，在後續檢查中被量出來：旁白混音檔第 4–14 秒一段，mean 只有 −51.8dB、max −18.7dB——以人耳標準，那叫靜音。報表上的每一個綠燈都是真的，只是沒有一個綠燈在量「旁白在不在」。
根因：淡出從第 0 秒開始
組裝腳本在擷取每段旁白時，給每段加了一個收尾淡出：afade=t=out:st=0:d=0.15。本意是「每段結尾 0.15 秒淡出」，但 st=0 的意思是淡出從這段的第 0 秒就開始——於是每段旁白一開口就被往靜音拉，0.15 秒內衰減到底，整句被掐掉。17 段旁白，段段如此。
修復時做了一次對照測量，把這個參數的殺傷力量化出來：
| 參數 | 旁白段 mean | 旁白段 max |
|---|---|---|
| 錯誤版（st=0，淡出從段首開始） | −68.2dB | −39.5dB |
| 修正版（st＝段長 − 0.15，淡出在段尾） | −20.3dB | −0.9dB |
同一個音檔、同一段旁白，只改淡出的起點，平均音量差了約 48dB。這類參數錯誤最陰險的地方在於：它不報錯、不崩潰、輸出時長完全正確，檔案看起來一切正常——只有「聽」和「逐段量」抓得到。
修復：只重建音軌，畫面一幀不動
修復範圍刻意切得很小：只重建音軌（17 段旁白重新對位、loudnorm 響度正規化、底噪床與驚堂木沿用原檔），視頻流直接複製封裝，總時長 110.9 秒不變。修復後的驗收不再看整體值，改抽五個旁白段逐段量測：
| 抽驗段落 | mean | max |
|---|---|---|
| 4–14 秒 | −18.3dB | −2.5dB |
| 20–30 秒 | −17.5dB | −2.2dB |
| 40–50 秒 | −16.8dB | −2.4dB |
| 55–65 秒 | −17.1dB | −2.4dB |
| 98–108 秒 | −17.1dB | −2.4dB |
五段全數通過新門檻（mean > −25dB、max > −10dB）。紀錄裡還留了一條誠實註記：20–30 秒段的 max −2.2dB 比 −2.5dB 的目標高了 0.3dB，人耳不可辨、無削波風險，判定不重跑——驗收紀錄連這種小事都照寫，這是它可信的原因。
附驗收清單：旁白音軌出貨前逐項打勾
這張清單從那天起就是我們的固定程序，後來的〈民雄鬼屋 EP02〉組裝直接把「淡出起點以實測旁白長度計算」寫進腳本註解，防的是同一個坑：
- 逐段量測，不看整體：每個旁白段做 volumedetect，mean > −25dB、max > −10dB；整體 peak／mean 只能當參考，不能當旁白存在的證據。
- 抽驗要跨全片：段落抽頭、中、尾至少五段（我們抽 4–14／20–30／40–50／55–65／98–108 秒），不要只驗開頭第一句。
- 淡出參數查起點：所有 afade 的 st 必須以「段長 − 淡出長度」計算，禁止 st=0 的段內淡出；組裝前先把參數列出來逐條看。
- 音效與旁白分開量：峰值先確認是誰貢獻的——音效（驚堂木、雨聲）撐起來的峰值，跟旁白無關。
- 修復做對照測量：改參數前後各量一次同段落，把數字寫進紀錄；「聽起來好了」不算驗收。
- 小偏差照寫：0.3dB 這種不重跑的小偏差也寫進紀錄，讓下一個驗收的人知道它存在。
失敗與限制：這張清單擋不住什麼
照本站規矩，這一段不省略：
- 清單是事後買的：V1 是在 QA 全綠後才發現旁白靜音——自動檢測設計時根本沒想到「旁白不存在」是一種失敗模式。這提醒我們：檢測項目決定你看得見什麼，看不見的失敗不會自己跳出來。
- 逐段門檻是經驗值：mean > −25dB、max > −10dB 是針對旁白軌的實務門檻，不是業界標準；不同混音（有配樂床搶頻段時）要另行判斷。
- 量測抓不到內容錯誤：音量驗收只證明「有聲且夠大」，旁白念錯字、段落對錯位，要靠第 3 篇那種逐字驗收，兩套檢查不能互相替代。
- V1 已被 V2 取代：娃娃島後來照「分鏡先批」流程重製 V2 並已上架；V1 的價值只剩這份教訓紀錄，本文的數字皆出自 V1 的 QA 與修復檔案。
VERDICT・結論
這張清單請直接抄——旁白被自己的淡出參數掐掉，是 AI 影片音軌最陰險的翻車：不報錯、不崩潰、整體音量還會替它掩護。逐段 volumedetect 是我們用一支片的翻車換來的最低成本防線：每段 mean > −25dB、max > −10dB，淡出起點永遠用段長去算。你若只打算記一件事：整體峰值漂亮，跟旁白存在，是兩回事。
出處與延伸
- 〈娃娃島〉V1 QA 報告與音軌修復記錄 qa-report.txt（2026-10-12）：QA 全項 PASS 的原始報表、根因（afade 參數）、對照測量與五段驗證數字出自此處。
- 〈娃娃島〉V2 組裝腳本（step2_assemble.py／step4_audio.py）：「淡出起點由段長計算，避免 V1 afade bug」的註解與實作，出自 V2 製作檔。
- 〈民雄鬼屋 EP02〉組裝報告（2026-10-14）：淡出起點按 ffprobe 實測旁白長（160.836 秒）計算，同一個防坑模式的沿用紀錄。
- 本站第 3 篇〈ElevenLabs 中文旁白實測〉：旁白的逐字驗收（內容對不對）與本篇的音量驗收（聲音在不在）是互補的兩套檢查。
常見問題
旁白靜音，QA 為什麼還會全過？
因為當時的檢測只量整體：峰值 −2.8dB 來自驚堂木音效與底噪，不是旁白；整體平均 −31.7dB 也主要是底噪在貢獻。沒有任何一項檢測在量「旁白段落本身的音量」，所以旁白不存在這件事，在報表上是隱形的。
afade 的 st 參數到底寫錯了什麼？
afade=t=out:st=0:d=0.15 的意思是「從第 0 秒開始、用 0.15 秒淡出」——寫的人本意是段尾收尾，實際效果是每段旁白一開口就被衰減到靜音。正確寫法是讓淡出起點等於段長減淡出長度，淡出只發生在段落的最後 0.15 秒。
逐段音量門檻 −25dB／−10dB 是怎麼定的？
娃娃島 V1 修復時的實務門檻：修復後五段實測 mean 在 −16.8 至 −18.3dB、max 約 −2.2 至 −2.5dB，而壞掉的旁白段 mean 在 −51.8dB 以下。門檻取在兩者之間且留足餘裕：旁白段 mean 高於 −25dB、max 高於 −10dB。它是旁白軌的經驗值，不是業界標準。
只抽驗五段夠嗎？為什麼不每段都量？
量的成本很低，理想上每段都量；五段抽驗是當次修復的作法，選點橫跨全片頭中尾。後來的固定程序改為逐段全量——旁白段數通常十幾到二十段，全量量測只是多跑幾次 volumedetect，沒有理由抽樣。
換成其他剪輯工具也會有一樣的坑嗎？
會，形式不同而已：任何「淡出／淡入」的起點若是相對整條時間軸、而不是相對該片段，就會在分段組裝時咬人。防法與工具無關：出貨前逐段量音量，數字不對就回查參數，不要用整體音量說服自己。
相關閱讀
