更新于 2026-09-29
视频“去重”为什么越来越没用？从公开的识别原理说起
很多团队仍在用“去重”处理视频：翻转一下、裁一圈、调个色、换段音乐，希望让系统认不出来。
本文不讲任何操作方法，只根据公开的技术资料和平台规则原文，解释这类做法为什么越来越难起作用。
一、什么是“去重”
行业里说的“去重”，通常指不改变视频内容本身，只对已有视频做表层改动，让它看起来像一条新视频。
常见的做法可以概括为以下几类：
- 画面几何改动：镜像翻转、裁切放大、旋转、改画幅比例。
- 画面外观改动：加滤镜、调色、加噪点或模糊。
- 叠加元素：加边框、画中画、贴纸、字幕、水印。
- 时间改动：变速、抽帧、掐头去尾、打乱片段顺序。
- 声音改动：改音调、换 BGM、重新配音。
这些改动有一个共同点：画面里拍的是什么、讲的是什么，没有变。
而公开的识别技术，恰恰是朝着“认出内容一样”的方向发展的。
二、公开的识别原理：从“像素一样”到“内容一样”
1. 感知哈希与视频指纹
传统的文件哈希（如 MD5）只要改动一个字节就完全不同，所以早期“改一点就能当新文件”确实成立。
感知哈希则不同：它提取的是人眼感知层面的特征，目标是让“看起来相似”的图片得到相近的哈希值。
Meta（原 Facebook）在 2019 年开源了图片匹配算法 PDQ 和视频匹配算法 TMK+PDQF，官方介绍称它们生成的短哈希可以判断两个文件“相同或相似”。[1]
PDQ 的开源文档说明，它是基于离散余弦变换（DCT）的感知哈希，用来匹配“人们感知为相似”的图片。[2]
TMK+PDQF 的文档说明，它以 PDQ 作为逐帧特征，对加水印、分辨率和压缩变化等轻微改动有一定容忍度。[3]
文档同时写明，TMK 主要面向近乎完整相同的视频，也可以作为更复杂算法的前置筛选。[3]
可见在公开的实践中，多种方法组合使用是常见做法。
2. 学术界已把“去重”手法写进了测试集
学术研究走得更远，已经从“哈希比对”发展到用深度学习提取画面描述符。
2023 年发布的视频相似度数据集与挑战赛（VSC 2023）论文，任务是判断一条视频是否与参考视频共享内容，并定位共享片段的时间位置。[4]
论文列出的查询视频改动方式包括：亮度与色彩调整、灰度化；叠加表情、文字、边框；横向或纵向拼接视频；模糊、加噪、像素化、降低画质；裁切、加边、旋转、翻转、改画幅、缩放；改变播放速度、间隔抽取片段；以及模拟翻拍屏幕、多画面拼成宫格等。[4]
也就是说，常见的“去重”改动，本身就是学术界用来检验识别能力的标准测试项。
此外，CVPR 2022 发表的 VCSL 数据集包含 16 万对真实视频拷贝，标注了超过 28 万对拷贝片段的起止时间，专门研究“片段级”拷贝定位。[5]
3. 音频指纹
声音同样可以被“指纹化”。
Shazam 创始团队 2003 年发表的论文介绍，其算法对噪声和失真有抗性，能在人声和其他强噪声干扰下识别一小段音乐，还能识别被响亮旁白盖住的背景音乐。[6]
ICASSP 2021 的神经音频指纹论文，则在训练中模拟噪声、混响等退化效果来提高鲁棒性。[7]
YouTube 官方帮助页介绍，Content ID 使用版权方提交的音频和视觉参考文件建立数据库，视频上传时会被自动扫描比对。[8]
匹配后，版权方可以选择屏蔽、投放广告获利或追踪观看数据。[8]
4. 画面语义与多模态比对（平台侧为推测）
近年的多模态模型能把画面和文字映射到同一个语义空间。
以 OpenAI 2021 年发表的 CLIP 为例，它用约 4 亿组图文对训练，学习“哪段文字对应哪张图”。[9]
这类技术让“比较两段画面讲的是不是同一件事”在技术上成为可能。
各平台是否、以及如何在搬运识别中使用语义比对，并没有公开细节，以下只是推测：从公开研究的发展方向看，平台完全有条件把画面、声音、文字等多种信号综合起来判断。
5. 文案与字幕的文本比对
文本近似检测是一项成熟技术。
Google 研究人员在 WWW 2007 发表的论文，就专门研究如何在网页抓取中高效识别“近似重复”的页面。[10]
视频里的标题、口播转写和字幕都是文本，只替换几个词、调换语序，文本整体的相似度依然可以被计算出来。
三、平台规则本身就不只看像素
技术之外，更关键的是：平台规则原文已经把很多“去重”手法直接写成了“不算原创”。
- 微信视频号：《原创声明及相关功能使用须知》把“对原有素材进行简易剪辑拼接，不产生信息增量，比如添加遮挡物、引入转场、缩放拉伸、镜像、倍速播放、添加首尾帧、字幕、边框等”列为不得声明原创的情形。[11]
- 微信视频号：《运营规范》4.7 条把“以特殊代码、排版、画面设置等技术手段恶意躲避微信系统检测及违规处罚”列为恶意对抗行为。[12]
- 抖音：《“恶意营销号”治理规范》把“简单裁剪拼接、未经创作加工直接使用，或掐头去尾、替换文案、伪装成‘原创’内容发布”列为抄袭搬运。[13]
- YouTube：再利用内容政策把“修改音调或速度、其余与原曲相同的歌曲”列为不可获利的例子。[14]
规则还同时看账号和行为。
YouTube 写明，再利用内容政策适用于整个频道，审核人员会查看频道的视频、简介、标题和描述。[14]
据报道，抖音的“账号健康分”依据投稿内容的违规及处罚情况、账号历史行为综合计算。[15]
所以，即使某一条视频暂时没有被识别，账号层面的整体判断依然存在。
四、为什么越来越无效：三个原因
- 技术目标变了：识别从“文件是否相同”走向“画面是否相似”，再到“片段是否来自同一来源”，表层改动覆盖的正是研究重点。
- 信号变多了：画面、声音、文字各有成熟的比对方法，只改一种信号，其他信号还在。
- 规则直接点名：镜像、倍速、缩放、加边框、掐头去尾、改音调，已被平台规则原文列为不算原创或属于搬运。
更根本的一点是：“去重”的出发点是让系统认不出来，而规则关心的是内容有没有“信息增量”。
这两件事不在同一个方向上。
五、结论：差异化必须来自内容本身
与其投入精力研究怎么“改得不像”，不如把精力放在让内容“真的不一样”。
- 画面：用自己实拍或依法授权的素材，不同成片用不同的画面。
- 信息：每条内容讲出不同的产品卖点、使用场景或新信息。
- 表达：不同的脚本、口播和叙事结构。
片多多的主张也是如此：我们不做“去重”，而是用多镜头组合加实拍素材，做出内容上真正不同的成片。
批量生产中怎么做到，见本栏目《从“去重”到“原创组合”》。
参考资料
- Meta Newsroom：Open-Sourcing Photo- and Video-Matching Technology（2019-08-01）
- GitHub facebook/ThreatExchange：PDQ README
- GitHub facebook/ThreatExchange：TMK+PDQF README
- Pizzi et al.：The 2023 Video Similarity Dataset and Challenge（arXiv:2306.09489）
- VCSL: A Large-scale Video Copy Segment Localization Dataset（CVPR 2022，arXiv:2203.02654）
- Avery Li-Chun Wang：An Industrial-Strength Audio Search Algorithm（ISMIR 2003）
- Chang et al.：Neural Audio Fingerprint for High-specific Audio Retrieval based on Contrastive Learning（ICASSP 2021）
- YouTube Help：How Content ID works
- Radford et al.：Learning Transferable Visual Models From Natural Language Supervision（CLIP，arXiv:2103.00020）
- Manku, Jain, Das Sarma：Detecting Near-Duplicates for Web Crawling（WWW 2007）
- 微信视频号原创声明及相关功能使用须知
- 微信视频号运营规范
- 杭州网（全文转载）：抖音新规！治理“恶意营销号”（2025-04-29）
- YouTube Help：YouTube channel monetization policies
- 腾讯新闻（IT之家）：抖音推出账号健康分机制（2025-04-28）
片多多模板化批量成片系统
想看看你的素材能出多少条？
发一批你们自己的视频素材过来，我们免费出 20 条样片。
能省几个剪辑，拿样片和你自己的工资表算。