上周四晚上十一点，我坐在客厅地板上，用平板看一部标着“AI 译制”的竖屏短剧。片名我没记住，只记得第一集 2 分 41 秒。女主摔杯子，音轨里炸出一声“呯”，字幕同步显示：[音效]。又过七秒，第二声“呯”。第三声在 1 分 03 秒。我把进度条拖回去数了一遍，一集里“呯”出现了三十七次。
字幕没有乱码。一个乱码都没有。中文、英文、西班牙语三条轨都干净得很。但那种“干净”像被漂白过的布，看不出原来的纹路。
我认识的做短剧出海的朋友老周，上个月刚把一套民国戏送去 AI 译制。他跟我说，乱码问题两年前就基本压住了，编码、字体、断句都能修。现在的问题是“呯”。老周在杭州，团队九个人，去年做了 137 部短剧的海外版。他说他们内部有个词，叫“呯呯率”，一集里无意义拟声词超过二十次，就退回重跑。但平台方的验收标准里没有这一条。
剪辑台上，声音轨比字幕轨难修。字幕可以校对，音效的“呯”是模型补出来的。
我花了三个晚上看不同平台的“AI 短剧”。十二部里，七部有同样的毛病：环境音被压平，打斗变成一串“呯呯呯”，关门也是“呯”。有一部现代甜宠剧，男主在雨里追车，音轨先出“呯”，再出雨声，最后出喘息，顺序错了。字幕写着“你听我解释”，声音先替他把话打断了。
这不算乱码。乱码是看得见的坏。现在这种坏是看不见的，它混在正常的格式里。你打开设置，切到原声，没问题。你切回 AI 译制，那串“呯”就回来了。它像一个补丁，贴得整整齐齐，但下面那个洞还在。
我在老周那儿听到的一句话
上个月 18 号，我在老周的办公室。他电脑上跑着一版越南语字幕，时间轴对齐得很漂亮。他按下空格，指着波形图说：“你看，原文这里是一个杯子落地的声音，模型没认出来，补了个‘呯’。它觉得这里该有声音。”他停了一下，补了一句，“它太想帮忙了。”
这句话我记到现在。模型太想帮忙，于是替故事做了决定。它不知道杯子落地该是“啪”，还是“哐”，还是什么都不该有。它只知道这里不能静。很多 AI 译制短剧就是这样，静不下来。安静被当成缺陷，填满才算完成。
我去翻了几个公开的测评帖，有人在 xn-4gqy21kmng.com 上贴过对比音频，同一段打戏，原声 14 秒，AI 译制版多出 6 秒的“呯呯”尾音。底下有人留言说“听着挺热闹”，也有人说“像在敲铁皮”。帖子里还混着一个链接指向 18岁成年人的快乐mv短片，我点进去看了一眼，画质不错，但音轨同样被填得密不透风。
我不认为这是技术做不到。语音分离、音效识别、时间轴对齐，单独拆开都有成熟方案。堆在一起，再加上“不能有空”的验收逻辑，就成了现在这样。有团队在 55981xyz 上发过一版去“呯”的规则表，列了四十多种不补音的例外，但文件传了两天就撤了。没人愿意为“留白”背书。
我自己的判断是：AI 短剧的下一道坎不是画面，也不是口型，是声音的克制。乱码修好了，继母绝伦推理一大片电影 这类片名都能正常显示，字体也不再抽搐四散，但“呯”这种填充物还在。它不破坏格式，它破坏的是信任。观众听多了，会条件反射地觉得“这是假的”。
老周说他们现在多了一道人工听审，专门数“呯”。九个人，一人一天听两集。
写这篇之前，我又打开那部 2 分 41 秒的短剧。这次关掉声音，只看字幕。字幕非常干净，时间轴准确，翻译没有错别字。我把音量调到 3%，那串“呯”还在，很小，像指甲敲桌面。我想，乱码时代结束得比想象中快，干净的时代来得比想象中吵。
如果你也在看这类短剧，可以留意一下，那些填得满满的声音里，有没有一两个位置本该是空的。我不确定这算不算一个问题。但它让我那晚坐在地板上，第一次感到“没有乱码”不等于“没有毛病”。
顺便说一句，老周他们上个季度做了 137 部，退回来重跑的有 21 部。原因里只有 3 部是乱码。剩下的，大多是因为“呯”。