tt-humanizer

TikTok Humanizer V3

改写口播稿（及字幕），去除观众听得出来的 AI 痕迹，并在拍摄前根据 2026 年 TikTok 检查清单审核定稿。它解决的是视频中特有的问题：在纸面上读起来没问题的稿子，口头说出来可能听着很机械。书面而非口语化的措辞、过于工整的平行结构和 AI 常用词，一旦真人对着镜头说出来，就会暴露无遗。

基于维基百科的“AI 写作迹象”分类法、2025—2026 年的文体计量研究、自有短内容语料库（X、Threads、Instagram 字幕），以及 TikTok 特有的口语模式（静音时也能抓住人的开场、开门见山、不做介绍、围绕完播率设计结构）。**V3（2026-09）：**根据 2026 年的证据重新校准。词汇按密度评分，破折号数量设上限而非一概禁用，刻意控制节奏如今也被视为一种痕迹，而非改进方法，并且加入了防止过度修正的保护机制。

**此技能不会做什么：**它不会让文本“通过” GPTZero、Pangram、Turnitin 或 Originality 的检测。这些都是针对指令微调风格特征训练的分类器；采用提示词式“听起来像真人”的改写，有 92-95% 的概率会被识别出来，而轻微的机械式改写反而会提高可检测性。对于脚本长度的文本（少于 300 个词），检测器的评分只是噪声，而且没人会对视频运行检测器。真正的价值在别处：专家读者认为，词汇（53%）和句子结构（36%）最容易暴露 AI 文本；在 TikTok 上，听起来像照稿念的内容会在头 3 秒内失去观众。此技能会去除观众对此产生反感的特征。

V3 中的变更

括号中的证据等级：[strong] = 在 2 项或更多独立的 2025-2026 年研究或我们的自有语料中得到重复验证；[vendor] = 单个平台或供应商 数据集；[weak] = 一项研究或专家小组报告。

• 词汇评估从删除清单转为密度评分。 2023-24 年的词汇 （delve、tapestry、realm、journey）正在逐渐消退，因为人们会避开它们 [strong]。 2026 年持久的标记是常见词（significant、crucial、notably、 comprehensive、insights、robust、leverage、foster、landscape、nuanced、 streamline、elevate），以及语法特征：名词化表达和以“-ing”从句开头的句子 出现频率是人类写作的 5.3 倍 [strong]。在口语脚本中，这些问题更严重：没人会对着镜头说 “leveraging”。脚本的一个节拍中出现一个标记，不足以定论。 三个才算。
• 破折号不再是破绽。 GPT-5.4 每 1,000 个词使用 1.43 个破折号，低于 人类基线的 3.23 个；而且，在同类平台上，29% 的人类字幕会使用一个 [strong]。在口语脚本中，破折号只是说话者 看到的换气标记，因此绝不是破绽（在提词器上读起来，.. 更好）。字幕中：每 100 个词最多约 1 个。屏幕卡片上（3-7 个词）： 最多一个，而且卡片很少需要破折号。多余的破折号用逗号、冒号、.. 或换行替代。绝不要用句号。
• 刻意制造节奏起伏是 2026 年头号破绽，而非解决办法。 机械地 交替长短句是一种容易识别的人类化指纹 [weak]；“Short. Punchy. Done.”、“No X. No Y. Just Z.”、为制造戏剧效果而写的 单词行，以及“The result?”式揭晓，都是当前读者最常提到的破绽 [strong]。 口语台词本来就比较短，因此第 2 轮只用于防止过度整齐：让脚本更容易说出口（使用缩略形式，每行一口气）， 并修正读起来像提词器平铺直叙的段落，但绝不为了节奏插入点睛句。
• 三段式仍是破绽，关键在于密度。 2026 年前沿模型中的三段式表达出现频率是 专家撰写的人类文本的 2 倍 [strong]；完美的三段式朗读（“learn, grow, succeed”）是最明显的破绽。 密集堆叠、完全平行或空洞的三段式都会被删掉。保留一个包含具体事物的自然三项组合（顶尖人类帖子中有 22-26% 含有一组）。
• 指纹注入有一半做错了。 专有名词和具体性有依据 [strong]；开场钩子中带有指代对象的非整数字是最有力的开场方式。 裸数字无法作为区分标记，插入模糊措辞和自我坦白则会适得其反：表演式的犹豫在 LLM 文本中的出现频率是人类文本的 2 倍，而宣称自己真诚（“not gonna lie”、“let me be honest”、 没有故事却说“storytime”）已被列为 2026 年的典型破绽 [strong]。第 3 轮改为要求提供一个直白、注明日期、令人不舒服的事实。
• 过度修正防护。 人类化器的输出也有自己的指纹 [weak]。第 4 轮会检查第 1-3 轮是否引入了它们本应消除的模式。 修改幅度与实际问题相称。如有疑问，就保留原文。

适用场景

• 拍摄任何 AI 起草的口语脚本之前（改写模式）
• 拍摄前审核完成的脚本和字幕（审核模式，参见 sub-skills/post-audit.md）
• 脚本“读起来没问题，但大声说出来感觉不对”时

输入

口语脚本（钩子句加正文），可选字幕，以及 可选语音样本（用户过去的脚本或实际说话方式）。

输出

• 改写后的脚本，听起来像口语，而非书面文字
• 显示修改内容及原因的差异对比
• 字幕字符数（包含字幕时，超过 2,200 会标记）
• 每个节拍的破绽密度（每个脚本节拍或字幕段落中的标记数量；达到 3 个或更多时触发改写）
• 读者判断的可信度：“听起来像人类”、“不太确定”、“听起来像照稿念”（对观众感知到的破绽的估计，不是检测器评分）

模式

# Default: scrub AI tells (forensic + strict) and fix spoken-word issues
tt-humanizer <script>

# Forensic only - minimum touch, just kill model leakage
tt-humanizer --mode forensic <script>

# Audit - detection-only pass-fail review, no rewrite
# Runs the 2026 TikTok pre-film checklist: first 1-3 second hook strength,
# muted-first text, completion design, caption fit, hashtag and settings sanity.
# Returns Blockers + Warnings + suggested fixes. See sub-skills/post-audit.md.
tt-humanizer --mode audit <script>

# Profile - build/update the user's Voice & Brand Profile. See the section below.
tt-humanizer --mode profile

四轮处理

第 1 轮——清理（先评分，再删除或替换）

应用 references/scrub-rules.md 中的分级目录。判断单位是脚本节拍（或字幕段落），而不是词语：每个节拍统计标记，达到 3 个或以上就改写；单个标记通常保留，但如果它属于揭晓过渡、否定式平行结构、真诚标记、无意义填充语或取证泄漏，则予以处理。

• 取证类（始终开启）：真实的模型痕迹，人类不会这样说。AI 工具标记（oaicite、contentReference、turn0search0）、知识截止日期免责声明（“As of my last update”）、模板空白（[Your Name]）、聊天套话（“Certainly!”、“I hope this helps”），以及字幕或屏幕卡片上超过上限的破折号。
• 严格类（默认开启）：观众听到的内容。根据密度评分的 2026 年常用词汇集（significant、crucial、notably、particularly、comprehensive、insights、robust、leverage、foster、landscape、nuanced、streamline、elevate、empower）、语法标记（名词化、以“-ing”从句开头的句子）、书面连接词（“moreover”、“furthermore”、“in order to”）、2026 年模型惯用表达层（quietly、“X matters.”、compound、“a signal”、“the work”、“built different”、“let that sink in”）、出现一次也要处理的揭晓过渡（“The result?”、“Here's what nobody tells you”、“Stop X, start Y”、“plot twist:”）、所有形式的否定式平行结构、叠加或完全平行的三段式、无意义填充语（“hey guys”、“without further ado”、“in this video I will”），以及无效的结尾语，包括口播（“thanks for watching”、“don't forget to subscribe”）和字幕内容（“What do you think?”、“Drop your thoughts below”）。
• TikTok 格式清理（始终应用）：重点前不加开场白，口播钩子与屏幕文字不同，限制字幕长度、话题标签数量和 CTA 堆叠。

第 2 轮——节奏（让内容读起来顺口，而不是刻意编排）

检测器不会评估节奏变化，而口播内容本来就比较简短，因此第 2 轮不需要“调整变化”。它的任务是让脚本听起来像口语、去掉刻意营造的戏剧节奏，并且只在一连串内容读起来像提词器平铺直叙时，才打破这种平淡。绝不把金句当作手段添加进去。

• 口语语体（沿用 V2）： 把书面语法改成自然口语。使用缩写、自然的片段句，一行一口气。“It is something that you should consider” 改为 “you should try this”。这是语体调整，不是节奏调整，适用于每一行。
• 朗读测试： 标记需要换两口气才能读完或拗口的句子。在自然换气处拆分，绝不要在戏剧性停顿处拆分。
• 提词器式平淡段落： 只有连续 4 行或以上长度相同且都没有实质从句时才编辑；然后让内容最丰富的一行带上一个从句（由 because、when 或 after 引导）。绝不要在长句之间插入短促金句；插入金句是人性化处理的明显痕迹。
• 禁止使用（改写成口语句子）：“The X? Y.”式揭晓；“No X. No Y. Just Z.”；“All the X. None of the Y.”；“Simple. Effective. Easy.”式形容词堆叠；用于营造戏剧效果的单词句（“Still.”、“Exactly.”）；伪苏格拉底式问答（“Why? Because...”）；“Short. Punchy. Done.”式断续句连串。这种片段句连串无论写出来还是读出来都很明显。
• 自然的口语片段句（“three takes. that's it.”）属于语体，应予保留。刻意营造戏剧效果的一连串片段句则很明显。字幕中单独成句的片段最多保留 2 个。
• 绝不要在脚本中交替使用长句、短句、长句、短句。这种锯齿式节奏是人性化处理的明显痕迹，读起来也会像是刻意编排的。

检查标准是“一个人会这样说吗？我有没有加上断续的节奏模式？”，而不是某个变化数值。

第 3 轮 - 补充（注入人的真实痕迹）

在内容允许的情况下，必须包含：

• 在开场中使用一个精确到奇怪程度、且有明确指代对象的数字：人物、事物、时间或花费（“第三次拍摄用了 47 分钟”“在五金店花了 12 美元”，而不是“拍了几次”或“47”）。孤立的数字不算真实痕迹；指代对象才是传递信号的关键。
• 一个具名实体（真实的工具、应用、人物或地点）
• 一个具体的第一人称细节（“第三次拍摄”“我凌晨 2 点的剪辑”“引发这件事的那条评论”）
• 一条具体、有日期且令人不适的事实，平铺直叙，前后都不加铺垫句。不要写“说实话，这事真让我难受：客户把我们炒了。”只写“客户在演示前 9 小时的周二把我们炒了。”事实本身就传递脆弱感。加上铺垫就变成了刻意表演真诚，而观众现在已经能听出这种破绽。
• 说话者真实的语气：这个人实际会怎么说

禁止用作开场或转折（表示真诚的宣告，是 2026 年很明显的破绽）： “让我说实话”“我就直说了”“说真的？”“坦白讲”“真实情况是”“说点实在的”“不瞒你说”“ngl”“我能不能稍微袒露一下心声”“先来个不受欢迎的观点：”，尤其是后面接大众观点时；没有在第一帧讲出故事的“故事时间”。也禁止插入说话者原文没有的模棱两可表达（“我觉得可能”“我可能错了，但”“似乎”）。在 LLM 文本中，刻意表现犹豫的情况比专家写作高出 2 倍；加上这些表达，会让脚本听起来更像经过设计，而不是更自然。（“POV:”是 TikTok 原生格式，不是表示真诚的标记；视频是 POV 时可以使用。）

如果输入缺少这些内容，请向用户索要一个数字或细节。不要捏造。

第 4 轮 - 自检（防止矫枉过正）

Humanizer 的输出也有自己的痕迹。返回结果前，大声朗读一遍，然后回答三个问题：

(a) 第 2 轮是否造出了一连串短促句、“结果呢？”式的揭示过渡句、用于制造戏剧效果的单词句、插入的妙语，或长短交替的节奏？如果是，就把零碎片段合并回自然口语句。 (b) 第 3 轮是否添加了铺垫式自白、表示真诚的宣告，或说话者原文没有的模棱两可表达？如果是，就去掉铺垫，只保留平铺直叙的事实，或删掉插入内容。 (c) 清理过程是否抹平了说话者的声音：语气千篇一律、没有反应、没有留下具体细节、俚语消失、自然的三项并列不见，或者原本需要破折号的字幕里所有破折号都没了？如果是，就把说话者原有的表达恢复回来。

如果任何一项回答为“是”，就适当回退，不要清理得更彻底。修改应与实际问题相称：干净的脚本只需两三处微调，不要为了凑数而改。拿不准某种表达究竟来自说话者还是模型时，就保留它。

不可妥协的规则

全局语气规则：参见根目录中的 SKILL.md 语气规则。其他技能专属规则（V3）：

• 清理始终适用。 当用户要求让脚本或字幕更像真人创作、去除 AI 痕迹、定稿或发布时，发布前至少运行法证检查和严格检查。即使草稿是用户自己写的、用户表示原样就很好，或用户赶时间，也必须遵守。作者身份、“已经很好了”以及时间紧迫都不是跳过清理的理由。法证检查和严格检查不会改变含义，几秒钟就能完成：先运行，再发布。如果确实有约束禁止修改文本，请明确说明，并指出所有残留的痕迹；默认做法是清理，而不是直接放行。
• 按比例清理。 如果检查没有发现问题，就不做任何改动。不要为了证明检查确实运行过而硬加修改，也不要把检测器分数作为结果报告；应报告发现并修复的痕迹。
• 保留用户实际表达的主张和含义。“保留他们的风格”包括其语气习惯和所表达的主张，但不包括揭晓铺垫、短句堆砌、无意义的填充内容，或一个节拍中出现 3 个以上词汇标记。去掉这些并不算改变他们的风格；这正是该技能的工作。
• 绝不引入输入中没有的事实。缺少数字时，就提问。
• 绝不添加表示真诚的标记、模棱两可的措辞或坦白式框架。如果脚本需要一个脆弱时刻，就要求提供带日期的事实，并平铺直叙地陈述。
• 让内容易于口头表达。每行都必须能一口气读完。
• 保留用户的风格习惯（俚语、节奏、字幕中的小写文本风格、一个自然的三项并列，以及字幕中恰到好处的一处 em dash）。
• 绝不承诺检测器结果。如果用户问“这样能通过 GPTZero 吗”，请如实回答：没人能保证这一点，也没人会对视频运行检测器；观众听起来是否自然才是检验标准。

此技能会捕捉的 TikTok 特有痕迹

• 写出来而非说出来的钩子句（“在这段视频中，我将演示……”）。
• 在重点内容前先问候或展示 Logo（“大家好，欢迎回来”）。
• 口头钩子和屏幕文字一字不差。
• 字幕超过 2,200 个字符，或堆了 12 个标签。
• 完美对仗的三段式排比，读起来像台词（“学习、成长、成功”）；包含具体事物的自然三项并列则可以保留。
• 五层叠加的“行动号召”。
• 一组没人会在镜头前说的 AI 词汇（leverage、utilize、robust、seamless）；偶尔说出一个不算什么，一个节拍里出现三个就是脚本腔。
• 戏剧化的短句堆叠（“没有脚本。没有计划。随性而为。”）和刻意安排的一字句；夹在两个长句之间的一句插入式包袱。
• 本来可以直接陈述事实，却用“说实话”或“讲个故事”来铺垫。

示例

口播脚本的修改前后示例，见 references/examples.md。

文件

• SKILL.md - 本文件（改写清理工具 + 审核模式入口）
• references/scrub-rules.md - V3 分级目录、密度评分、em dash 上限、口语修正、节奏规则、禁止添加的内容
• references/examples.md - 脚本改写示例，展示修改前后
• references/audit-checklist.md - 拍摄前检查清单及阈值
• sub-skills/post-audit.md - 拍摄前审核工作流（仅检测，不改写）
• sub-skills/voice-profile.md - 构建或更新用户的语气与品牌档案（--mode profile）
• sub-skills/illustration.md - 可选的 Pixfaro 图像工作流

语气档案模式（--mode profile）

tt-humanizer --mode profile 会根据用户粘贴的 3-6 条真实 TikTok 帖子（可移植，无需令牌），或在设置了读取令牌时根据获取的活动记录，在 ../../references/voice-profile.md 中构建或更新用户的语气与品牌档案。档案填写完成后，此工具包中的每项写作技能都会自动使用用户的语气起草内容。参见 sub-skills/voice-profile.md。触发语句：“建立我的语气档案”“了解我的语气”。

相关技能

• tt-hook-scripter - 生成已通过 humanizer 检查的钩子
• tt-caption-writer - 生成已通过 humanizer 检查的说明文字