内容团队在发布含人物、证件或车牌的视频素材时，常面临一道工程选择题：用在线API还是本地桌面端完成打码。两条路径的取舍不在功能多寡，而在数据链路与控制粒度。
云端方案的核心优势是免部署------发一段视频到服务端即可拿到处理结果。代价也明确：视频和识别结果离开本机，合规团队需要评估出境风险；排队等待延长流水线时间；API按量计费随业务放量呈线性上升。
本地方案把推理链路拉回设备。模型内置随包分发，弱网不卡死；导出时遮罩以 uint8 灰度图（0 不处理、254 全处理）与视频同分辨率存储，PNG压缩后 Base64 内联进.moying JSON，任何文本编辑器都可核查。追踪阶段用 OpenCV CSRT/KCF 按时间二分离线插帧，预览和导出共用同一插值逻辑，避免两套实现导致的不一致。
选型时建议分三层判定：
- 数据敏感度：涉员工身份证、护照号、车牌的素材优先本地推理。抹影在两端都能跑，识别打码加精细编辑一步到位。
- 设备算力：CPU 可用 YOLO11 人脸检测 + BoT-SORT 追踪走通流水线；有 GPU 可开启时序修复模型，但需注意内存预算按机器当前可用量动态分配。大分辨率素材提前裁剪到水印区域再送模型，能避免 OOM。
- 人工复核环节：导出前在时间轴逐帧扫一遍被追踪目标的外接框，确认没跨对象、没穿帮；少量遮挡帧用矩形/圆形选框手动兜底。
云端与本地不互斥。可把非敏感片段走云端做成本预留，含证件号的正式成片留在本地导出------前提是团队有设备管理能力，以及明确的脱敏SOP。