先说个可能得罪人的结论
我搜「素材加工」这四个字的时候，前两页基本被「一键去重」「AI 洗稿」「三分钟过原创检测」这类教程占满了。好像加工的唯一目的就是把别人的东西改得不像别人的。我做了两年多，断断续续剪了大概 300 多条片子，我的看法正好反了：加工的本质是「加信息」，不是「改形式」。你镜像一下、缩放 103%、换首 BGM，这些操作在物理上改变了文件，但在信息上你什么都没加，观众看完还是原来那点东西。
这话说得有点绝对，我知道。因为确实有一段时间靠这套手法能吃到流量，2021 到 2022 年那会儿，抖音的查重主要看画面指纹和音频指纹的匹配度，你变速 1.05 倍 + 镜像 + 抽几帧，指纹就变了，系统认不出来。但现在这套基本失效了，原因后面细说。
我写这篇不是要教你怎么过检测，那玩意儿天天在变，教了也白教。我想说的是：如果你把「加工」当成一门手艺而不是一个绕过规则的手段，你的东西能活得更久一点。
我把素材加工拆成三层，大部分人只做了最底下那层
物理层：改的是文件的物理属性。分辨率、码率、帧率、色彩空间、音频电平、时长、音轨数量。这一层最容易做，也最没用，因为算法只看特征值，观众根本感知不到你缩放了多少。但这一层不能不做，因为做错了会直接导致画质崩。
结构层：改的是素材的排列方式。顺序、节奏、留白、起承转合、镜头长度、声音和画面的错位关系。这一层开始有技术含量了，同一批素材，按不同逻辑排，能出完全不同的东西。
信息层：加的是原来素材里没有的东西。你的判断、你的口播、你的字幕重写、你的补充数据、你的反例。这一层是真正决定这条片子是不是「你的」的地方。
我画过一个粗糙的对比表，是拿我自己和身边几个朋友的经验总结的，不是严谨研究：
| 加工层 | 典型操作 | 耗时占比（我的习惯） | 平台识别难度 | 观众感知 |
|---|---|---|---|---|
| 物理层 | 镜像/缩放/变速/换BGM/抽帧 | 20% | 早期有效，现在基本无效 | 几乎无感，做过头反而变糊 |
| 结构层 | 重排序/改节奏/拆段落/加过渡 | 35% | 中等，算法开始看语义 | 明显能感觉到「这条有想法」 |
| 信息层 | 口播/重写字幕/补充数据/加观点 | 45% | 很难判定为搬运 | 决定要不要关注你 |
这个表我自己看了很久，最大的收获是：我前两年花在物理层的精力，其实应该砍掉一半扔到信息层去。
我现在的实际流程，参数都在这里
我的设备很普通，一台 2021 款的 M1 MacBook Air（16G 内存），一个 500G 的外置固态。软件用的是剪映专业版（我机器上现在是 5.9）、DaVinci Resolve 19 免费版、Audacity 2.4.2，偶尔用一下 ffmpeg 命令行。
第一步，筛选。 这一步我花的时间比剪辑还长。规矩是：每个素材进剪辑软件之前，先在手机备忘录写一句话——「这个素材如果只剩 10 秒，我留哪 10 秒」。写不出来就说明我没想清楚为什么要用它，直接扔。这个破规矩帮我省下了大量时间。
第二步，音频先处理，别放最后。 很多人习惯画面剪完再修声音，我觉得反过来更顺。Audacity 里跑 Noise Reduction，我的三个参数是 Noise reduction 12dB、Sensitivity 6.0、Frequency smoothing 3。这三个值是我调了十来次定下来的，12dB 是个平衡点，再往上会出那种「水下感」，人声发闷，尤其是手机录的素材。采样率我统一拉到 48000 Hz，因为抖音和 YouTube 做响度归一化的时候是按 48k 处理的。
第三步，响度统一到 -14 LUFS。 抖音、YouTube、B站现在基本都做响度归一化，你导出的时候响度乱来，平台会给你压一道，压完动态就没了。我一般在剪映里把主音轨拉到 -14 左右，峰值不超过 -1 dBTP，留一点余量。
第四步，画面处理。 竖屏 1080x1920，帧率 30。这里提醒一句，别用 60 帧拍完再降到 30，会出运动模糊，尤其是手持的镜头。导出用 H.264，1080p 我一般给 10-12 Mbps，B站发 1080p60 的时候给到 18 Mbps 左右。码率给太高其实没用，平台还会二次压缩，给太低画面会糊成一片，这个平衡点我找了很久。
第五步，调色别乱动。 达芬奇里我先做一级校色（色温、曝光、对比），基本不碰二级。网上那些 LUT 包我试过七八套，99% 都会把肤色搞成蜡黄色。真要套 LUT，强度拉到 30% 以下。
第六步，结构重构。 这一步是核心。我一般会把素材拆成 3-5 个独立的段落，然后问自己：如果打乱顺序，哪个排法让信息推进最快？很多时候原来的时间顺序是最差的排法。
第七步，加自己的东西。 哪怕只是 15 秒的口播开头，或者每段底下加一行自己的判断，都算。我现在的习惯是每条片子至少要有 3 处是我自己写的原话，不能是复述素材里的内容。
四个平台的查重逻辑，差异比你想的大
以下都是我个人测试和同行的经验，不是官方文档，别当真理看。
抖音：画面指纹 + 音频指纹双轨，这几年明显加了语义识别。同一段素材换个 BGM + 镜像，2022 年能过，现在大概率会被打上「低质搬运」。但是它对手工重构的内容很宽容，我有一条把三段不同来源的素材重新排了逻辑，加了 20 秒口播，播放量 27 万。
B站：搬运检测相对温和，更看重标签、分区和完播率。同样一条片子，我在抖音扑了，B站能有几万播放。但 B站用户对「拿来主义」的容忍度低，评论区会直接说你。
小红书：视频权重本来就低，同一个内容做成图文，封面用 3:4，阅读量能差三倍。图片查重主要看图像特征 + 文本，所以图文重写文案的收益比视频高。
YouTube：Content ID 是音频为主的，改画面完全没用，你得改音频，或者用他们的「版权声明」流程。我试过把 BGM 换成 YouTube 音频库里的，直接就没提示了。
一次不太严谨的对照实验
去年十月我做过一个对比，样本不大，说出来你们自己判断。我把同一批 12 个素材分两组：
A 组（6 条）：纯物理加工。镜像 + 缩放 103% + 变速 1.05 倍 + 换 BGM + 调色加噪点。
B 组（6 条）：结构重构。重新排序 + 加 30 秒自己的口播开头 + 字幕全部重写 + 每段配一句我的判断。
两组都在同一个账号发（当时粉丝 3k 左右），间隔一周，都在晚上 8 点发。7 天后的数据：A 组平均完播率 18%，最高一条播放 4200；B 组平均完播率 41%，最高一条播放 11 万。
我得诚实说，这个实验不严谨——样本太小，发布时间、素材本身质量都没控制好，而且做 B 组的时候我明显更用心。但 18% 和 41% 的差距大到我觉得不是噪音。
顺便说一个我自己的判断：现在还在教你「变速 0.95 + 镜像」的教程，你可以直接划走了。这些参数早被摸透了，算法工程师不是吃素的。
几个我踩过的坑，说给你避一避
坑一：别用网上下载的「去重特效包」。那些模板用的人太多了，特征特别明显，我见过一个账号连发 20 条全用同一个画中画模板，直接被限流。
坑二：变速别用 0.9、1.1 这种非理性值。有些平台是按帧比对的，整数倍变速反而更安全（而且要变速就变明显一点，0.8 或 1.25，别 0.97 这种糊弄自己的）。
坑三：别在同一支片子里混用两种分辨率的素材再硬拉。观众眼睛看得出来，特别是人脸特写。
坑四：降噪别过度。我早期有条片子人声听着一股塑料味，就是因为 Noise Reduction 拉到了 24dB，废了。
坑五：字幕别用软件自动生成的直接导。错字是一方面，更重要的是断句完全不对，读起来像机器人在念。我一般会手动断一遍，一句话不超过 15 个字。
最后说一句
素材加工这行，我觉得往后会越来越像「编辑」而不是「剪辑」。剪辑是把素材拼起来，编辑是决定什么该扔、什么该留、什么该补。我现在每接一个活儿，第一件事不是打开剪映，而是打开一个空白文档，先写这一条片子到底想让观众记住哪一句话。写不出来，我就不开工。
这个方法听起来很笨，但它是唯一让我从「改像素」里爬出来的东西。