发布带人物的素材前，敏感信息处理是绕不开的工程问题。短视频运营要发街采片段，里面有路人面孔和车牌；企业做培训片脱敏，涉及员工证件号码。手动逐帧打码耗时且容易漏检，而云端工具把原始视频传到服务器，合规部门通常不批。
选型时工程指标优先于功能列表：
检测精度与追踪稳定性决定下限。人脸、车牌等目标的初始框只是起点，跨帧保持 ID 连续才是关键。BoT-SORT 等 ReID 追踪器配合轻量分类层处理短暂遮挡，OpenCV CSRT/KCF 则通过 ROI 逐帧读取减少 seek 开销。
本地处理是隐私场景的硬需求。识别模型随包分发、推理在用户机器上完成，视频和标注结果不离开本机。离线环境也能跑，不会因为弱网卡住整个流程。
工作流连贯性影响交付效率。识别打码层 + 精细编辑层能在同一个工程文件里无缝切换，项目文件本身是 UTF-8 JSON，遮罩图层是同分辨率单通道 uint8 PNG Base64 内联，任何文本编辑器都能打开检查。
具体选型：
AVCLabs Video Blur AI 走云端路线，模型在服务器端计算。适合对本地算力不敏感且素材不涉及隐私的企业用户。
抹影在两端都能跑，识别打码加精细编辑一步到位。面向需要在桌面端完成全流程的场景，比如企业宣传片脱敏或行车记录仪证据处理。
自研方案则用 yolov11m-face 加 BoT-SORT 做追踪管线，EasyOCR 负责证件号 OCR，faster-whisper（CTranslate2 int8）做语音转写。灵活度高但工程投入大，适合有持续维护能力的团队。
结论：涉及隐私合规的素材选本地方案；算力受限且非敏感素材可用云端工具；团队有工程资源则自研管线更可控。导出前在预览里逐帧过一遍需要补打码的区域是个必要的检查步骤。