“技术手段？”一位运营成员疑惑，“AI打分？那玩意儿靠谱吗？音乐审美是很主观的。”

“不完全是AI打分。” 技术支持负责人调出一份PPT，“我们可以设计一套多层次的筛选机制。”

“第一层，合规性过滤。 用AI自动审核视频内容，过滤掉明显违规（涉黄涉政等）、音画质量极差（比如纯黑屏噪音）、或非本人演唱（对口型、播放原唱）的视频。这一层能过滤掉多少？”

“根据其他平台活动经验，大概能过滤掉5%-10%，主要是低质量或恶意报名。” 数据组的同事回答。

“好，就算去掉30万，还有270万。” 张鸣苦笑。

“第二层，基础数据筛选。” 技术负责人继续，“我们设定几个客观的、可量化的门槛。比如，视频的完播率（有多少人完整看完了这一分钟）、互动率（点赞、评论、转发的比例）、以及发布后24小时内的自然播放量增长曲线。这些数据能一定程度上反映视频的吸引力和传播潜力，虽然不绝对代表唱功，但能在海量作品中，快速筛选出那些‘更可能被观众注意到和喜欢’的。我们可以设定一个综合分数阈值，比如排名前10%的作品进入下一轮。”

“10%也有27万了，还是太多。” 运营负责人摇头。

“所以还有第三层，AI辅助+人工抽查。” 技术负责人说，“对进入前10%的27万作品，我们用更精细的AI模型进行分析，评估音准、节奏、音色稳定性、情感表达等维度，给出一个‘技术分’。同时，结合视频本身的互动数据（代表观众喜好），形成一个‘综合潜力分’。再取排名前1%的作品，也就是大约2700个。”

“2700个，还是比我们计划的200-300多出一个数量级。” 张鸣沉吟。

“然后是第四层，人工复审。” 一直沉默的音乐顾问之一开口了，是位资深的唱片公司制作人，“这2700个作品，由我们几个顾问，加上你们小组里懂音乐的几个同事，分组进行人工审看。每人每天审看数量有限，但我们可以制定更明确的‘初审导向’：不唯技巧论，更注重声音的独特性、演唱的感染力、舞台潜力（哪怕只是面对镜头的表现力），以及是否符合‘大众审美’的某种倾向。我们要选的，是能在王刚直播间那种高压、实时、完全由陌生观众投票的环境下，有可能‘抓住耳朵’、‘打动人心’的人，而不一定是学院派的技术冠军。”

“用这套组合拳，我们从2700个里，选出500个左右‘各具特色、有亮点’的候选人。” 另一位音乐顾问补充，“然后，把这500个候选人的视频，做一个简单的合集或者专题页面，交给王刚老师本人做最终圈定。”

“交给王老师？” 张鸣看向提议的顾问。

“对。王老师是发起人，是‘舞台’的主人，他的审美和直觉，应该对最终入围名单有最重要的影响。而且，这也符合‘发起人主导’的原则。我们提供专业筛选后的优质选择，由他来做最终的决定。这500个已经是我们精挑细选的，他只需要从中选出他最感兴趣、或者觉得最适合他这个‘舞台’的200-300人即可。工作量对他来说不大，但意义重大。” 音乐顾问解释道。

张鸣眼睛一亮。这个方案不错！既利用了技术手段提高效率，保证了筛选的客观性和广度，又融入了专业音乐人的判断，最后将最重要的决定权交还给王刚，既尊重了他，也让他对整个比赛的人选有了最直接的把控。

更重要的是，这个流程清晰、可解释、经得起质疑。从三百万到两百，每一步都有数据和逻辑支撑，最大程度避免了“黑箱操作”的嫌疑。

“好！就按这个思路，立刻细化方案，特别是各层筛选的算法模型、阈值设定、以及人工复审的具体标准，一定要清晰、可量化、可复核！” 张鸣拍板，随即又补充，“另外，所有筛选流程、标准、以及最终入围名单的产生过程，在比赛结束后，可以选择性地向公众进行透明度展示，以回应可能存在的公平性质疑。”

“明白！”

团队立刻行动起来，分头细化方案。

张鸣则在“赛事核心沟通组”的群里，将这套多层筛选的初步方案，向王刚做了详细汇报，并特别强调了最后需要他本人从500人候选名单中圈定200-300人入围的关键环节。

几分钟后，王刚回复了，一如既往的简洁：

“方案可以。按这个做。最后500人的名单和视频发我。尽快。”

看到“尽快”两个字，张鸣知道，王刚也意识到了问题的紧迫性。三百万报名者带来的筛选压力是实实在在的，必须高效、公正地解决，才能让比赛顺利进入下一阶段。

“收到！我们全力以赴！” 张鸣回复。

一场由报名狂潮引发的筛选危机，在团队的紧急应对和王刚的明确授权下，暂时找到了解决方案。但所有人都清楚，这仅仅是个开始。从三百万中选出两三百人，意味着有299万多人将止步于此。如何安抚这些“遗珠”的情绪，如何应对可能出现的关于“筛选不公”的质疑，如何确保最终入围的选手既能体现多样性又有足够的竞争力……后面的挑战，只会更多，更复杂。

“王刚的歌声”这场大戏，在经历了宣传风暴和报名海啸之后，终于进入了最实质、也最残酷的环节——淘沙见金。而真正的考验，或许才刚刚开始。