AI 影片延長後接起來會卡？不是幀重複，是動作斷了半秒

簡單講：直接接會卡，但不是你以為的那種卡。

事情是這樣的。貓與紙船那支片（完整故事在〈用 AI 做影片：一艘紙船來接一隻貓〉）分三段生成，每一段都拿前一段的最後一幀當下一段的首幀參考。Seedance 2.5 對這招很買帳，接縫兩邊的構圖幾乎黏在一起。導演看完 02 和 03 說：「03 的前幾幀跟 02 的尾巴好像有 overlap，你看一下剪的時候怎麼處理。」

我們真的一幀一幀去看了。結論：沒有 overlap，一幀都沒有重複。但它確實會卡。

「卡住」到底是什麼：半秒的死水

把 03 的前 240 幀逐一拿去比對 02 的最後 240 幀。如果真的有時間軸重疊，對應關係會畫出一條斜線：03 的第 10 幀像 02 的倒數第 30 幀、第 20 幀像倒數第 20 幀，依此類推。實際畫出來是一條平線。03 開頭的每一幀都最像 02 的最後一幀，而且相似度隨時間單調下降。沒有任何一段被重演。

真正發生的事，看兩段各自在演什麼就懂了：

• 02 的結尾：紙船花了大約 5 秒，慢慢展開成一顆彩虹六角星。
• 03 的開頭：星形收攏回紙船，然後紙船升空，貓跟著它走進街道深處。

收攏不是倒帶，它是紙船起飛的蓄力。問題出在 03 開頭那 0.5 秒幾乎不動。生成式影片從參考首幀起步時的通病，我們叫它緩啟動死水。直接接起來，觀眾看到的就是：星星開到頂、停半秒、才開始收。那個停頓，就是「卡住」「好像重複」的全部真相。

同一個 02→03 接縫。上排直接串接，03 開頭約半秒幾乎不動；下排砍掉 30 幀加 0.1 秒溶接。底部曲線是逐幀運動量，紅線掉進陰影帶的那半秒就是死水。

同一秒素材，0.5 倍速循環。左邊直接接，接縫後會停一下；右邊最終成片，一過接縫就繼續往前。慢放之後那半秒變成一整秒，肉眼不會錯過。

動手之前：先確認素材沒騙你

這一段本來不打算寫，是被一句話逼出來的：「我記得原影片是 60 吧？為什麼出來最終是 30？」

答案是沒有，檔案是真 60。顯示 30 的是剪映，它讀的是專案時間軸的幀率，不是素材的。但這句話讓我們回頭把三支素材全部量了一遍，然後量出兩件真的事。

先講方法。一支影片有三個「幀率」，它們不是同一件事：

幀率	是什麼	誰能改它
容器 fps	mp4 標頭寫的數字	任何人、任何工具，寫什麼都行
幀密度	幀數 ÷ 時長，容器裡真的裝了這麼多幀	補幀、重包裝
有效 fps	扣掉「跟前一幀幾乎一樣」的幀之後，真正在動的	只有像素本身

30 fps 的內容硬包成 60 fps 的容器，前兩個數字都會乖乖顯示 60，只有第三個會說實話。

偵測灌水幀不能數「diff 等於 0 的幀」。複製幀一旦重編碼就會帶進壓縮雜訊，diff 落在 0.02 到 0.15 之間，任何絕對門檻都會漏。我們改看相位結構：每 P 幀裡固定有幾幀沒動，這個週期性簽名壓縮殺不掉。實測灌水素材的奇偶相位差是 7.5 倍，真素材是 1.1 倍，差距大到不用猶豫。

量出來的兩件事：

素材	幀數	幾乎不動的幀	判讀
cat_mobile_01	722	2（0.3%）	乾淨的 60
cat_mobile_02	1020	137（13.4%）	停滯幀，有效流暢度約 52 fps
cat_mobile_03	1082	1（0.1%）	乾淨的 60

02 那 13.4% 的停滯幀總是成對出現，間隔 8 到 12 幀不等，前後的幀都正常。這不是幀率轉換（30 轉 60 會有 50% 的複製幀，而且 diff 是 0），是單次生成的隨機瑕疵。同一批素材裡通常只有某一段中招，重生成那段就乾淨了。我們沒重生成，因為 13% 在動態畫面裡看不太出來（也因為老闆的 token 是有數的）。

第二件事更尷尬。橫版的 03 打開一看：854×480、24 fps、433 幀。它是預覽版。生成平台通常同時提供預覽和高清，檔名可能一模一樣。拿預覽版去接，放大 3.7 倍會糊掉，24 幀併進 60 幀的時間軸得靠補幀，補不回來。乖乖回去重新下載。這一步現在是我們流程裡的第一步，沒有例外。

接縫只有三種，剪法完全相反

弄錯會做出反效果，所以先分類再動刀：

類型	簽名	處理
不同鏡位	03 首幀對 02 每一幀的相似度，都跟隨便兩張無關畫面差不多	硬切，不要加轉場
構圖延續	03 首幀最像 02 的尾幀，之後的對應曲線是平線	砍掉死水，短溶接
真重疊	對應曲線是斜線，03 在重演 02 的動作	砍掉被重演的段落

判別的關鍵是那條對應曲線，而且要有對照組：任意配對的 MAE 中位數。沒有對照組，你不知道「MAE 11.6」算像還是不像。以直版為例，03 首幀對 02 尾幀是 11.6，對照組中位是 46.6，這叫像；01→02 的接縫全部落在 50 上下，跟對照組同一級，那是換鏡，本來就該硬切，不用動。

只比對單幀分不出構圖延續和真重疊，而它們的剪法是相反的：一個砍新段的頭，一個砍舊段的尾。

切點看比值，不看絕對值

構圖延續的情況下，唯一要決定的是砍幾幀。我們的判準只有一條：

接縫後 0.6 秒的運動量 ÷ 接縫前 0.6 秒的運動量，要趨近 1。

低於 0.75 是死水，動作接不上；高於 1.4 是暴衝，砍過頭，動作突然加速。直版的數字：不砍是 0.54，砍 30 幀是 1.45。

這條規則是踩出來的，而且踩得不輕。橫版素材看起來跟直版一模一樣，我們照直版的邏輯只看 03 自己的曲線，「前低後高」，一定是緩啟動，推出要砍 54 幀。

正解是 0。

橫版 02→03	不砍	砍 30 幀	砍 54 幀
接縫後 ÷ 接縫前	0.93	0.99	1.59

橫版的 02 結尾本來就慢（運動量 0.48，直版是 0.83），所以 03 開頭的 0.45 是匹配的，不是死水；它後面爬到 2.0 不是「緩啟動結束」，是貓真的開始跟著紙船走了。同一條曲線配不同的基準線，結論完全相反。兩批素材看起來一模一樣，切點是 30 和 0，不能互相套。這一球算我們的。

即使切 0 幀，仍然留 0.1 秒交叉溶接。續生的片段跟前段尾幀有材質和光影差異（MAE 通常 10 到 13），硬切會閃一下；構圖既然重合，溶接不會有鬼影。

三個 FFmpeg 地雷

串接一次編碼完成，中間不落地，避免二次編碼掉畫質。但這條 filter 鏈有三個地雷，會踩到是因為它們失敗的方式都不直觀：

1. concat 的輸出接 xfade 之前必須 fps=60,settb=AVTB。 否則報 Error reinitializing filters，訊息裡完全沒提 timebase，而且兩步分開跑都正常，只有串起來才死。
2. 音訊每一路都要 aformat 統一取樣格式。 否則 AAC 編碼器回 -22 Invalid argument，看起來像編碼器壞了。
3. xfade 的 offset 算錯不會報錯。 FFmpeg 照樣 exit 0，只是把轉場放到錯的時間點，播出來才發現。前兩個會大聲報錯，好排查；這個靜默失效。所以腳本裡改成從 ffprobe 讀時長自動算，並把算出來的值印在螢幕上。

剪完要驗，而且不能只看標記

• 時長對帳：成片時長等於各段時長總和減去砍掉的秒數、再減溶接秒數，誤差在幾幀內。直版：12.033 + 17.020 + 18.033 − 0.5 − 0.1 = 46.49，實際 46.50。
• 接縫定格：抽接縫前後幾幀並排目視，確認溶接沒有鬼影、硬切連戲。
• 有效 fps：成片再量一次，應與素材相同。直版成片 2789 幀只有 2 幀重複。
• 音訊分段量測：沿全片抽幾個點跑 volumedetect，確認沒有靜音段或爆音。注意它的輸出是 info 級，-v error 會什麼都看不到。

定格目視和運動量曲線都不等於實際播放過一遍。這句話要老實講。

工具都開源了

驗素材、診斷接縫、串接三個腳本，連同上面每一條踩出來的判準，都放在公開的 Curtoom video-clip-stitching skill，Claude Code 和 Codex 一行就能裝。老實說這整套東西的起點是導演那句「欸？我以為可以用 FFmpeg 處理啊？」，全程真的只有 FFmpeg，沒開任何剪輯軟體。

Storyboard 管生成前，怎麼寫分鏡讓鏡頭接得上，看〈用簡單 Storyboard 讓每個鏡頭接得上〉；八格分鏡對成片的逐格驗收，看〈AI 生成影片真的會看故事板？〉。這篇只管拿到三段成片之後的那 0.5 秒。