素材加工到底在加工什么？我把 2.3TB 乱素材重整了一遍，说几个能直接抄的步骤

一、我把「素材加工」这四个字重新定义了一遍

去年 11 月接了个莫干山民宿的账号，客户把硬盘寄过来，2.3TB，散在 6 块盘里。文件名清一色 IMG_2831.MOV、DSC_0722.MP4、未命名文件夹(3)。

我要找一条「客人推开院门」的镜头，用 Finder 搜了 47 分钟，最后是在一块没贴标签的移动硬盘根目录下翻出来的。

那天晚上我坐在电脑前，突然意识到一件事：素材加工这四个字，大部分人理解错了。它不是在剪辑软件里调色加滤镜，也不是套个 LUT 让画面变高级。

我现在的定义很粗暴：素材加工 = 把一堆无序的二进制，变成「90 秒内能定位到任意一条」的有序资源。是减熵，不是美化。你得先找得到，才轮得到好不好看。顺序反了，后面全是白干。

二、第一步其实不在电脑里，在片场

这条是我拍了三年 vlog 才想明白的：素材加工最省力的时机，是拍摄当天，不是剪辑前一晚。

索尼 A7S3 拍摄时可以按 C1 键给好镜头打标记，大疆 Pocket 3 有个收藏按钮，iPhone 15 Pro 拍 ProRes 时能在相册里直接打旗标。这些标记导出后就是元数据，比拍完再凭记忆翻强一百倍。

还有个更笨但更管用的办法，我一直在用：开机前对着镜头念一句口播。

比如「10 月 12 号，莫干山，院子，客人进门，第三条」。五秒钟的事。后期在达芬奇里用转录功能搜关键词，或者丢进剪映识别字幕再搜，两下就出来了。为什么不写场记单？因为你会偷懒，我试过，第三天就懒得写了，但对着镜头说话这个动作能坚持下来。

三、命名和目录：一次投入，省下来的是寿命

我的命名规则长这样：

20241113_莫干山_A7S3正机_客人推门_0034.MOV

日期_地点_机位_内容_序号，五段，下划线分隔。三个硬性要求：不用空格、不用中文括号、不用「最终版」「最终版2」「真的最终版」。

为什么不用空格和中文括号？因为 FFmpeg 的批量脚本和一部分老工具会被它们搞崩，我在这上面浪费过一个下午，不夸张。

1000 条素材批量改名，用 Advanced Renamer 或者 Total Commander 的多重重命名，5 分钟跑完；纯手工改的话 3 小时起步，而且大概率改到一半就放弃了。

目录我用六层，直接抄：

00_原始素材
01_代理文件
02_音频
03_图形与字幕
04_工程文件
05_交付

00 和 01 必须分开。我问过身边十几个做后期的，至少一半人把代理文件跟原始素材混在一个文件夹里，然后某天手抖覆盖了原片。这个错误犯一次就够了，重拍的机票酒店钱够买两块 4TB 固态。

四、转码这块，参数别照抄网上的

代理剪辑这个概念不新鲜，但真正折腾明白的人不多。

先说结论：1080p 的 ProRes 422 Proxy 或者 DNxHR LB 就够用了，码率大概 45Mbps，别为了「无损」去做 4K 代理，那是给自己找罪受。我早期做过 2.3TB 的 4K 代理，结果硬盘直接告急，剪辑反而更卡。

单条转码命令：

ffmpeg -i 20241113_莫干山_A7S3正机_客人推门_0034.MOV \
  -c:v prores_ks -profile:v 0 -pix_fmt yuv422p10le \
  -vf "scale=1920:-2" -c:a pcm_s16le -ar 48000 \
  ../01_代理文件/20241113_莫干山_A7S3正机_客人推门_0034.mov

-profile:v 0 就是 Proxy 档，scale=1920:-2 里的 -2 是保证高度是偶数，很多编码器遇到奇数尺寸会直接报错。这个坑我踩过，报错信息还很难懂。

批量跑就套个循环：

for f in *.MOV; do
  ffmpeg -i "$f" -c:v prores_ks -profile:v 0 \
    -vf scale=1920:-2 -c:a pcm_s16le -ar 48000 \
    "../01_代理文件/${f%.MOV}.mov"
done

M2 Mac mini 转这 2.3TB，实测跑了 6 小时 40 分钟，可以挂夜里。转完之后剪辑时间线顺滑得跟换了台电脑一样。

唯一一条铁律：原始素材永远不动，永远不覆盖，转完只读。在 Finder 里给 00_原始素材 文件夹加个「仅读取」权限，多两秒的操作，能救你一条命。

五、音频是最容易翻车的地方，它有硬标准

很多人素材加工只顾画面，其实观众对声音的容忍度比画面低得多。画面糊一点能忍，声音忽大忽小或者一直嗡嗡，三秒就划走了。

几个我一直在用的数字：

• 采样率统一 48kHz，位深 24bit。别用 44.1kHz 拍视频，后期跟音乐混的时候会有采样率转换问题。
• 抖音、视频号这类竖屏平台，成片响度大概在 -14 LUFS 左右比较稳；B 站可以稍微低一点。
• 广播标准 EBU R128 是 -23 LUFS，那套是用在电视上的，别往短视频上套。
• 真峰值（True Peak）压在 -1 dBTP 以内，避免平台二次压缩之后爆音。

降噪这块，付费的 iZotope RX 11 里的 Dialogue Isolate 确实是天花板，但免费方案我现在也会用 Bertom Denoiser，人声素材上效果能打。

民宿那期视频，房间里的空调低频一直嗡嗡响，我用 RX 的 De-hum 反复试，最后把频率点定在 87Hz 才彻底干净。这种活儿没有一键解决方案，就是得听，得试。

六、整理前后，差了 30 倍

找镜头那一项不是我编的，是同一期视频前后两个版本的实测。

备份按 3-2-1 走：本地一份、另一块硬盘一份、云上一份。冷备我用的是 Backblaze B2，大概 6 美元/TB/月，2.3TB 一个月十几美元，比丢一次素材便宜太多。

七、最后给个能直接照做的清单

1. 拍的时候就打标记，或者念一句口播报场记；
2. 素材落地先改名，五段式，下划线分隔；
3. 六层目录建起来，00 和 01 严格分开；
4. 原始素材设只读，转码输出到独立文件夹；
5. 代理用 1080p ProRes Proxy，别贪 4K；
6. 音频统一 48kHz/24bit，成片响度往 -14 LUFS 靠；
7. 存三份，云备份别省这点钱。

说句可能不太讨喜的话：我不建议新手一上来就死磕达芬奇调色。命名规范和响度标准这两件事，花一个周末就能学会，对成片质量的提升比学三个月调色大得多。

等你把这些做顺了，再回头研究色彩科学，你会发现那时候的你，才真的有余力去在意好不好看。