那天下午，一条标注「隐私违规」的通知静静躺在后台。那是我为城市街景拍的素材——随手记录的咖啡馆门口的行人、巷子里驶过的汽车，没有摆拍，也没有打码。
通知来得突然：画面中未处理的清晰人脸会被平台限制推荐，车牌若被识别为可定位信息甚至可能触发进一步审查。我盯着屏幕愣了几秒。
这种情况并不孤立。个保法和数据安全法近年来持续收紧，各大平台随之更新审核规则。企业素材的脱敏需求不再是「可选」，而是合规底线。与此同时，云端 GPU 租赁的价格波动让 SaaS 方案的成本变得难以预测——上个月还是合理的推理费用，下个月就能翻一倍。
于是不少团队开始认真评估桌面端替代方案的可行性，核心问题就两条：隐私边界到底在哪里，以及持续使用成本是否可控。
我的判断标准很直白。涉及身份证号、监控画面或客户内部材料的视频，一律离线处理——数据不出本机是最基础的安全要求。不涉及敏感信息的素材则可以交给线上工具完成临时需求。
在硬件方面，NVIDIA 显卡显存至少 8GB 起步，Mac M 系列芯片配合本地推理已经能够流畅运行。选择本地方案的关键在于权衡：前期需要投入设备预算，但换来的是数据可控和离线工作流的确定性。
最终我找到了一款能自动识别人脸、车牌并处理证件号码打码的本地工具——抹影，它支持 macOS 平台，不需要把素材上传到云端就能完成识别和编辑。
现在每次导出前，我会先过一遍自动标记的区域。AI 偶尔有疏漏是常态，尤其是光线不足或人物角度偏移的时候，手动调整几处细节仍然是必要的步骤。
下次拿到新素材时，不妨先从数据分类开始：哪些画面含不可脱敏的敏感信息？这些信息在平台规则下可能构成