knowhow_v2.md 39.3 KB

Edit Raw Blame History


AI互动视频短剧选题能力调研报告（V2）

任务编号：T-mnwks14r

调研 Agent：Hunter

产出日期：2026-04-13

目标 Agent：interactive-video-selector

定位：在 content-selector 基础调研之上，升级扩展为「AI互动视频短剧」专用选题知识体系  


版本说明：V2 核心升级点
本报告在 knowhow_base.md 与 video_samples_summary_base.json 的基础上，针对 interactive-video-selector 的技能目标进行以下五大维度升级：


互动剧核心选题要素 — 系统补充分支剧情设计、用户选择点密度、悬念钩子密度等互动专属指标。
短剧 vs 长视频差异 — 明确快节奏、强情绪、碎片化对选题的约束与机会。
AI生成适配性评估 — 建立「哪些题材更适合AI互动剧」的筛选矩阵，降低无效立项。
主流平台内容偏好 — 深度解析 ReelShort、DramaBox、中文在线/FlareFlow 的爆款题材与内容策略。
数据指标体系 — 引入完播率、选择率、复玩率、分支覆盖率等行业量化指标，支撑自动化评估。


一、输入素材数据结构分析
1.1 数据源概述
基础素材路径：video_samples_summary_base.json

该文件为 YouTube 热门视频爬取结果，包含 Metadata + 英文字幕预览，是 content-selector 进行「热点素材 → 互动剧选题」自动化评估的原始输入。
1.2 JSON 结构解析
{
  "crawlDate": "2026-04-09T03:47:09.776Z",
  "source": "YouTube Search - Trending Topics",
  "totalVideos": 10,
  "videosWithSubtitles": 6,
  "videos": [
    {
      "rank": 1,
      "videoId": "CzCmEz5muQw",
      "title": "ABC World News Tonight with David Muir Full Broadcast - March 1, 2026",
      "channelTitle": "ABC News",
      "viewCount": 1426073,
      "duration": 1244,
      "hasSubtitles": true,
      "subtitlePreview": "...",
      "subtitleLength": 20701
    }
  ]
}

1.3 字段与互动剧选题评估映射


字段
类型
互动剧选题评估价值


rank
int
热度排序，越高代表市场关注度越高


title
string
题材类型、冲突强度、人物关系的第一判断依据


channelTitle
string
来源权威性；新闻台=时事类，喜剧频道=幽默类


viewCount / likeCount
int
流量潜力指标；高赞播比 >1.5% 说明情绪共鸣强


duration
int
关键约束：>300s 的素材通常需要「精华截取」才能适配短剧节奏


subtitlePreview / subtitleLength
string/int
核心素材，用于 NLP 提取：说话人数量、对话密度、冲突词浓度、场景切换频率


V2 升级：对于 interactive-video-selector，时长约束从「>3000s 需截取」收紧为 「任何超过 300s 的素材都必须进行精华切片」。因为短剧单集通常 ≤90s，互动剧单集 ≤5分钟。


二、互动剧的核心选题要素（V2 新增）
互动剧不是「在视频里加几个选项按钮」那么简单。选题阶段就必须预判以下四大核心要素的可行性。
2.1 分支剧情设计（Branching Architecture）
核心原则：低可见分支 + 高感知 agency = 最经济的互动结构。

根据分支叙事的数学约束：7 个二元选择点如果全部几何分叉，需要 128 条独立剧情线。对于 5 分钟内的短剧，这在制作和认知上都是不可能的。因此互动短剧必须采用以下设计策略：


策略
说明
适用场景


延迟分支（Delayed Branching）
前期选择只修改隐藏变量（flag/stat），剧情继续走统一主线，在 1-3 集后才显现出差异
控制成本的首选方案


瓶颈收敛（Bottlenecking）
无论观众怎么选，最终在某一场景必须汇合到共享高潮戏
保证拍摄素材复用率 >80%


统计型叙事（Stat-Based）
选择只影响关系值/信任值/道德值，后续对话和结局据此微调
1 幕戏可 service 多条隐藏路径


结局分叉（Ending-Only Branching）
前面全部线性，只在最终决策点导向 A/B/C/D 结局
成本最低，但复玩动力稍弱


选题评估标准：


原素材中是否能自然提取 3-5 个「决策时刻」？
这些决策时刻是否能被设计成「隐藏变量驱动」而非「场景完全分叉」？
是否存在一个天然的高潮场景可以作为所有分支的收敛点？

2.2 用户选择点密度（Choice Point Density）
时间约束：互动微短剧的单集长度通常 ≤5 分钟（最优为 60-90 秒）。


格式
单集时长
建议选择点密度
原因


长互动剧（Netflix Bandersnatch 型）
15-90 分钟
5-15 个/小时
允许深度沉浸和多线探索


中互动剧（分集互动剧）
5-15 分钟
1-2 个/集
平衡叙事完整性与参与感


微短剧互动剧（本 Agent 目标）
≤5 分钟
1-2 个/集，全季 3-5 个
避免叙事碎片化，降低认知负荷


密度公式：
有效密度 = 有意义的选择点数量 / 总时长（分钟）


理想区间：0.3 ~ 0.5（即每 2-3 分钟 1 个选择点）
过低（：互动感不足，观众会觉得「这不过是加了几个按钮的普通视频」
过高（>0.8）：叙事被切割成碎片，情绪无法累积，且分支爆炸导致制作不可控

2.3 悬念钩子（Suspense Hook）
在短剧领域，「钩子」不仅是叙事技巧，更是算法分发和付费转化的核心驱动力。互动剧的钩子设计有额外的复杂度：
2.3.1 三层层级钩子模型


层级
类型
作用
示例


L1：开场钩子（3秒钩子）
强视觉冲击 / 爆炸性台词
决定算法完播率的前 3 秒
"你选 A，她活；你选 B，她死。"


L2：决策钩子（选择点本身即钩子）
"你的选择将决定 TA 的命运"
将悬念转化为 participatory action
"要不要把真相告诉她？"


L3： cliffhanger 钩子（集末钩子）
未解决的冲突 / 突发反转
驱动下一集解锁或复玩
集末揭示「你的选择触发了隐藏条件」


2.3.2 互动剧特有的「选择即钩子」设计原则

每个选择点必须放置在情感峰值或悬念峰值处。
选项文案本身要有戏剧张力：不是「走左边 / 走右边」，而是「相信她 / 揭穿她」。
选择后的「即时反馈」必须在 5 秒内给出（视觉、台词、或情绪变化），否则观众会觉得选择无效。


选题阶段需要判断：原素材中是否天然存在 3-5 个「What would you do?」时刻？如果没有，强行添加的选择点会让观众出戏。
2.4 AI 生成内容适配性的四维约束
AI 生成互动剧在选题时，还必须考虑技术可行性。


维度
高适配题材
低适配题材
原因


角色一致性
现代都市、办公室、家庭
古装、奇幻、科幻
AI 角色换脸/形象保持技术对古装妆造和特效妆容支持较差


场景可控性
室内场景为主（≤3 个固定场景）
宏大外景、动作戏、战争场面
AI 生成/补景对复杂外景和多机位运动的支持仍不稳定


对话驱动型
以对话和情感交锋推动剧情
以动作、特效、场面推动剧情
当前 AIGC 对编剧本和对话生成的可控性远高于动作设计


分支可收敛性
情绪向分支（A 信任 / B 怀疑）
世界观向分支（A 科幻 / B 古装）
情绪分支只需要微调台词和表演，世界观分支需要完全不同的视觉资产


三、短剧 vs 传统长视频在选题上的差异（V2 新增）
3.1 核心差异矩阵


维度
传统长视频（电影/剧集）
短剧（微短剧）
对互动剧选题的启示


叙事目标
沉浸式、多季人物成长
即时情绪满足、快速反转
互动选择必须立刻带来可感知情绪变化


角色深度
复杂、立体、灰度
符号化、二元对立（好/坏）
便于转化为「A 阵营 / B 阵营」的选择


时长约束
90-120 分钟 / 40-60 分钟
1-5 分钟 / 集
必须在极短时间内完成世界观建立 + 冲突引入 + 选择点铺设


观众角色
旁观者（witness）
滑行者（scroller）
互动剧观众是参与者（participant），需要 co-authorship 感


发现机制
搜索、榜单、口碑
算法推荐、信息流
选题必须适配平台算法偏好：强钩子、高情绪、可视化冲突


生产周期
数年
数天到数周
互动剧选题必须考虑快速迭代测试的可行性


3.2 快节奏：「7 秒钩子 + 90 秒一集」的选题约束
短剧的流量逻辑决定了：如果前 7 秒没有强刺激，算法就不会推给更多人。

这对互动剧选题的影响是：


避免慢热题材：文艺片式的铺垫、写实的日常流不适合互动短剧。
优先高冲突起点：直接从冲突中段切入（in medias res），用闪回补充背景。
每集必须包含一个高潮或一个选择点：不能出现「过渡集」的概念。

3.3 强情绪：短剧是「情绪商品」
研究表明，短剧观众追求的核心价值是「爽感」，但 2025 年已出现明显的「情绪升维」趋势：观众开始厌倦单纯的打脸复仇，转而追求「甜宠 + 治愈 + 双向救赎」等更细腻的情绪价值。

互动剧的额外优势：互动本身就能放大情绪。当观众「亲手」做出一个艰难选择时，其情绪卷入度比纯观看高出 30%+（MDPI Electronics, 2025）。因此，选题时应优先选择那些能触发「道德两难」或「情感两难」的素材。
3.4 碎片化：注意力是稀缺资源
碎片化观看带来三个选题要求：


世界观必须极简：观众没有耐心记复杂设定。互动剧的选项也应该是基于普遍人性直觉的（信任 vs 怀疑、保护 vs 牺牲）。
视觉信息 > 文字信息： subtitles 不能成为理解剧情的必要路径。选题时应优先选择视觉冲突强的素材。
可跳读性：即使观众跳着看，也能快速理解当前冲突和选项的含义。


四、AI生成互动剧的内容适配性评估标准（V2 新增）
4.1 AI 互动剧高适配题材矩阵（按题材分类）
基于当前 AIGC 技术能力（角色一致性、场景生成、对话可控性、分支逻辑），以下题材被评估为更适合 AI 生成互动剧：


题材类型
适配指数
核心优势
主要风险


现代都市情感
★★★★★
场景简单、服装日常、对话驱动、分支易收敛
容易陷入套路，需差异化人设


职场博弈/商战
★★★★☆
办公室场景固定、冲突以对话呈现、选择点自然
专业术语过多会降低代入感


悬疑推理/密室
★★★★☆
观众天然有「选择调查方向」的动机、场景可控
逻辑链必须严密，AI 容易出 bug


家庭伦理/婚姻关系
★★★★☆
普世情感、角色关系明确、道德两难丰富
价值观敏感，需严格内容审核


校园青春
★★★★☆
年轻受众与互动剧用户画像高度重合
演员年龄匹配要求高


古装甜宠/宫斗
★★★☆☆
国内市场需求大、已有成熟叙事模板
服化道一致性对 AI  challenge 大


科幻/末世
★★☆☆☆
世界观设定新颖、分支空间理论上最大
特效场景生成成本高、一致难


动作/战争
★★☆☆☆
视觉刺激强
动作设计和场面调度对 AI 来说最不友好


4.2 AI 适配性评分模型（独立于互动剧评分）
针对 interactive-video-selector，建议在评估时增加一个 AI_producibility_score（AI 可生产性评分，满分 50）：


子维度
权重
评分细则
自动化评估方法


场景复杂度
15
室内固定场景为主（12-15）/ 少量外景（6-11）/ 大量特效场景（0-5）
地点实体提取 + 场景切换频率


角色一致性难度
10
现代妆造、无特殊造型（8-10）/ 古装/奇幻（4-7）/ 特效化妆（0-3）
题材类型关键词匹配


对话驱动程度
15
剧情主要由对话推动（12-15）/ 对话与动作平衡（6-11）/ 动作/特效主导（0-5）
字幕中的对话标记密度


分支视觉资产复用率
10
情绪分支，可复用同一场景只需微调表演（8-10）/ 需要不同场景（4-7）/ 需要完全不同的世界观视觉（0-3）
基于分支类型的人工/规则判断


AI_producibility_score ≥ 35 为推荐进入 AI 生产 pipeline；


五、主流互动剧/短剧平台内容偏好分析（V2 新增）
5.1 平台竞争格局（2024-2025）
全球微短剧应用市场在 2025 年 Q1 累计内购收入突破 23 亿美元，同比增长近 8 倍。ReelShort 与 DramaBox 合计占据超过 70% 的市场份额。


平台
2024 年收入估算
月活用户（2025）
核心市场
内容策略


ReelShort
$400-521M
5000 万+
美国、欧洲
本地化 + 互动小说数据驱动


DramaBox
$323-470M
4400 万
东南亚、拉美、非洲
中国 IP 翻译出海 + AI 广告投放


中文在线 / FlareFlow
增长迅猛
近千万下载
美国为主，全球覆盖
IP 改编 + 精品化导向


5.2 ReelShort 内容偏好
战略定位：最小化区域特征，主打跨文化通用的「高情绪 melodrama」。

核心标签分布（本地化内容）：


Contemporary (530)
Female (499)
Billionaire (373)
Sweet (224)
Male (136) — 男性向内容正在快速扩张
Thrill (54) — 悬疑惊悚是增长最快的细分赛道


爆款公式：


高颜值主角 + 强阶级冲突（霸道总裁/平民逆袭）+ 每集结尾 cliffhanger + 竖屏特写美学


与互动剧的关联：ReelShort 母公司 Crazy Maple Studio（COL 集团）起家于互动小说 app（Chapters）。ReelShort 大量利用互动小说平台的用户偏好数据来决定哪些 trope 适合改编为视频短剧。这意味着：能在互动小说里火的题材，在互动剧里也大概率有基础受众。
5.3 DramaBox 内容偏好
战略定位：中国文化元素 + 全球普世情感的大规模翻译输出。

核心标签分布：


Strong Female Lead (501) — 大女主、宫斗、女将军
Revenge (418)
Modern (380)
Love After Marriage (271)
CEO (230)
Second Chance (146)


本地化内容偏好（非翻译剧）：


Revenge (66)
CEO (58)
Love After Marriage (47)
Forbidden Love (24)


关键洞察：


DramaBox 的翻译内容占比高达 88%，本地化原创仅占 12%。
男性向「逆袭复仇剧」（counterattack drama）是其重点发力方向。
采用 AI 驱动的广告投放系统，每天可投放 12,000 套广告素材。

5.4 中文在线 / FlareFlow / 红果短剧 内容偏好
中文在线在 2025 年的短剧战略呈现 「精品化、IP化、出海化」 三大趋势。

国内（红果短剧）爆款题材：


男频古装权谋 + 穿越：《一品布衣》（20 天播放量破 20 亿）、《牧神记之延康变法》
女频甜宠 + 治愈：《太子殿下今天破戒了吗》
家庭伦理 + 逆袭：《替嫁当后娘，侯门主母养崽逆袭》


海外（FlareFlow）策略：


2025 年 8 月官宣，全球累计下载近千万。
月充值收入增速超 500%。
用户日均观看时长 31.5 分钟。
内容战略：「情感共鸣 + 社会洞察」，走高质量海外原创路线。


选题启示：


IP 改编优先：中文在线证明了网文 IP 改编短剧的高爆款率（红果上线作品爆款率达 80%）。
情绪升维：从「虐渣爽文」升级到「甜宠 + 治愈 + 双向救赎」。
精品化与政策对齐：主动对接「北京大视听」等官方扶持计划，价值观与制作水准需同时达标。

5.5 平台内容偏好总结：一个统一的爆款选题公式
尽管各家平台策略不同，但成功的短剧/互动剧选题可以收敛到一个公式：
爆款选题 = 强情绪共鸣 × 清晰人物关系 × 每集 cliffhanger × 低认知门槛 × 高视觉吸引力


对于互动剧，再增加一个乘数项：
互动爆款选题 = 上述公式 × 天然道德/情感两难


六、互动剧选题的数据指标体系（V2 新增）
6.1 核心数据指标定义
与传统视频不同，互动剧的评估指标体系必须同时追踪「观看行为」和「互动行为」。
A. 观看行为指标


指标
定义
行业基准
互动剧特化意义


完播率（Completion Rate）
观看到最后一集/结局的用户占比
短剧：15-25%
互动剧通常完播率更高，因为选择本身增加了沉没成本


平均观看时长（AVD）
总观看时长 / 观看用户数
短剧：15-30 分钟
FlareFlow 达 31.5 分钟；优质互动剧可更高


集均停留时长
单集平均观看时长 / 单集总时长
健康值：>70%
低于 50% 说明该集节奏过慢或钩子失效


3 秒留资率 / 7 秒留存率
前 3/7 秒未划走的用户占比
短剧：>40%
决定算法是否继续推流


B. 互动行为指标


指标
定义
健康基准
评估意义


选择率（Choice Rate）
出现选择点时，用户实际做出选择的占比
>85%
过低说明选项设计不吸引人或提示不明显


复玩率（Replay Rate）
完成一次主线后返回重玩/探索其他分支的用户占比
线性短剧：~5%；互动剧：>25%
核心指标。研究表明，AI 辅助分支设计可提升复玩率 +28.8%，95% 用户会重玩 ≥3 次


分支覆盖率（Branch Coverage）
用户触发过的分支节点数 / 总分支节点数
单次游玩：30-50%
过低说明分支隐藏太深；过高说明树太浅


决策密度（Decision Density）
每单位时长内的有效选择点数量
0.3~0.5 / 分钟
见 2.2 节


新路径发现率（New Path Discovery Rate）
复玩时解锁此前未玩分支的比例
>25%
反映分支设计的丰富度和隐藏结局的吸引力


C. 商业指标


指标
定义
说明


付费转化率（Payment Conversion）
观看用户中付费解锁后续内容的比例
互动剧的 cliffhanger 往往能提升付费冲动


IAA 收益占比
广告收入 / 总收入
2025 年头部平台 IAA 占比已超 30%


CPI / LTV
单用户获取成本 / 用户生命周期价值
互动剧若复玩率高，LTV 通常高于线性短剧


6.2 指标驱动的选题决策流程
interactive-video-selector 在评估一个素材是否值得立项为互动剧时，应模拟以下指标检测逻辑：
Step 1: 流量基础检测
  └─ viewCount > 50万 ? 继续 : 降级为普通短剧/淘汰

Step 2: 互动结构可行性检测
  └─ 能否提取 3-5 个天然决策点 ? 继续 : 淘汰
  └─ 能否采用延迟分支/瓶颈收敛 ? 继续 : 高成本预警

Step 3: AI 生产可行性检测
  └─ AI_producibility_score ≥ 35 ? 继续 : 建议真人实拍

Step 4: 平台适配度检测
  └─ 题材是否与 ReelShort/DramaBox/红果 的爆款标签匹配 ? 加分

Step 5: 预测指标打分
  └─ 基于以上维度输出 predicted_completion_rate, predicted_replay_rate, predicted_grade


七、四类内容的互动剧适配度评估标准（V2 升级）
在 V1 的「时事新闻 / 幽默喜剧 / 影视戏剧 / 戏剧真人秀」基础上，V2 针对 AI 互动短剧的实际生产需求，调整为更符合平台内容库的五大分类：
7.1 分类体系与适配矩阵（V2 版）


类别
典型来源
互动短剧适配度
AI 生产适配度
核心改编难点
关键成功因子


都市情感/甜宠
情侣博主、情感综艺、约会真人秀
★★★★★
★★★★★
避免过于平淡的日常
找到情感两难决策点


职场/商战博弈
商业访谈、创业纪录片、职场综艺
★★★★☆
★★★★☆
信息密度高，需简化
把商业决策转化为角色立场冲突


悬疑/推理/惊悚
刑侦纪录片、探案综艺、恐怖游戏
★★★★☆
★★★★☆
逻辑链必须严密
把证据发现过程设计为选项


幽默/喜剧/吐槽
脱口秀、SNL、搞笑短视频
★★★★☆
★★★★☆
笑点可能因分支被打断
用选择决定「怼谁」或「用什么梗」


时事新闻/纪实
新闻报道、战地直播、纪录片
★★☆☆☆
★★☆☆☆
冷静叙事、缺乏人物关系
角色分身 + 视角转换


7.2 改编路径升级
① 都市情感类 —— 适配度 95%（最高优先级）
改编原则：让观众成为「关系中的第三方」或「主角的共谋者」。

操作 checklist：


[ ] 原始素材中是否存在至少两个有鲜明立场差异的角色？
[ ] 是否有天然的「信任测试」时刻可被设计为选择点？（例如：要不要看对方手机？）
[ ] 情感高潮是否可以收敛为 A 结局（HE）/ B 结局（BE）/ C 结局（反转）？
[ ] 场景是否主要发生在室内（家里、餐厅、办公室）？


示例题材：前任重逢、契约婚姻、先婚后爱、暗恋成真、双向救赎。
② 职场/商战类 —— 适配度 80%
改编原则：把商业/新闻分析转化为「权力游戏」。

操作 checklist：


[ ] 原始素材中的陈述性信息能否被分配给不同角色（老板、同事、对手）？
[ ] 是否存在一个可被延宕的商业决策？（并购、公关回应、产品发布）
[ ] 观众的选项能否代表不同的职场价值观？（忠诚 vs 利益、激进 vs 保守）


禁忌：避免大量专业术语；不要让观众做「 spreadsheet 决策」，要做「人性决策」。
③ 悬疑/推理类 —— 适配度 80%
改编原则：观众是侦探，选择是调查方向。

操作 checklist：


[ ] 是否存在多个潜在的嫌疑人/信息源？
[ ] 观众先调查 A 还是先调查 B，会不会导致获得不同的信息拼图？
[ ] 真相是否可以在最后 30 秒通过一个关键选择揭晓？


禁忌：不能出现「选 A 直接死掉」的 unfair death；每个错误选择都应提供有意义的叙事反馈。
④ 幽默/喜剧类 —— 适配度 75%
继承 V1 的分析，补充：喜剧互动剧的选项本身应该也能制造幽默。
⑤ 时事新闻类 —— 适配度 40%
继承 V1 的分析。对于 interactive-video-selector，此类素材的默认建议是：降级为线性短剧或解说视频，除非能明确找到一个强情感锚点人物。


八、互动剧选题评分维度与权重建议（V2 升级）
8.1 评分模型（总分 150，含 AI 生产维度）
V2 将原 6 维度 100 分模型扩展为 8 维度 150 分模型，新增「互动结构维度」和「AI 生产维度」。


评分维度
权重
评分细则（满分值）
自动化评估方法


对话潜力
20
多说话人（16-20）/ 单人可重构（10-15）/ 纯独白难改（0-9）
说话人识别数量


冲突强度
15
高密度冲突词 + 明确立场对立（12-15）/ 中等冲突（6-11）/ 平铺直叙（0-5）
冲突词库命中频率


情感共鸣
15
触及普遍人性主题（12-15）/ 特定圈层共鸣（6-11）/ 无明显情感锚点（0-5）
主题关键词 + 情感极性


分支可设计性
20
可自然提取 3-5 个决策点且可采用延迟分支（16-20）/ 可设计 1-2 个（10-15）/ 难以找到选择节点（0-9）
决策事件模板匹配 + 题材规则


场景可视化
10
场景清晰、易低成本拍摄（8-10）/ 需大量置景（4-7）/ 极度依赖大场面（0-3）
地点实体提取 + 场景复杂度


流量基础
10
views > 50 万 且 高赞播比 > 1%（8-10）/ 有一定热度（4-7）/ 冷门（0-3）
直接读取 viewCount/likeCount


互动结构质量
20
3-5 个选择点 + 可瓶颈收敛 + 有隐藏结局潜力（16-20）/ 基础互动结构（10-15）/ 互动感弱（0-9）
基于分支设计的规则判断


AI 生产适配性
20
现代场景+对话驱动+分支易收敛+角色一致性好（16-20）/ 中等难度（10-15）/ AI 生成风险高（0-9）
题材关键词 + 场景复杂度规则


评分等级与处理建议：


总分区间
等级
处理建议


135-150
S
优先立项，建议 3-5 个分支、多结局、隐藏彩蛋


120-134
A
通过选题，可设计 2-3 个关键决策点，中等规模互动剧


105-119
B
降级为「轻互动短视频」（如评论区投票决定走向）


90-104
C
仅做常规短剧/解说改编，不做互动结构


D
淘汰，不作为训练正样本


V1 → V2 关键变化：及格线从 90 分上调到 105 分。因为 V2 增加了互动结构和 AI 生产两个维度（共 +50 分），只有同时满足「故事好 + 互动结构可行 + AI 能生产」的素材才值得立项。

8.2 两分类快速筛选规则
interactive-video-selector 可以用以下规则先做快速 Pass/Fail：
IF duration > 600 秒 AND 无明显高潮片段标记 → 降级（C 或 D）
IF subtitle 中说话人数量 = 1 AND 题材 = 时事新闻 → 大概率 D
IF 题材匹配 {都市情感, 甜宠, 职场博弈, 悬疑推理} AND 冲突词密度 > 3/1000字 → 进入详细评分
IF AI_producibility_score < 20 → 降级为真人实拍或淘汰


九、高分素材转化为互动剧剧本框架（V2 升级）
9.1 标准剧本框架：SBSE-V2（Scene-Branch-Selection-End）
V2 针对微短剧的时长约束，将 SBSE 框架精简为 「3 幕式微互动剧」：
[序幕 M0: 0:00-0:30] ──→ [决策点1] ──→ [发展 M1: 0:30-2:00]
                                      │
                              ┌───────┴───────┐
                              ▼               ▼
                        [路线 A]         [路线 B]
                              │               │
                              └───────┬───────┘
                                      ▼
                         [高潮 M2: 2:00-3:30]
                                      │
                              ┌───────┴───────┐
                              ▼               ▼
                        [决策点2 / 最终选择]
                              │               │
                          [结局 A]        [结局 B]
                          (标准)          (反转)
                              │
                              └── 触发条件 ──→ [隐藏结局 C]


约束：


全季总时长控制在 3-5 分钟（轻互动）或 10-15 分钟（深度互动，分 3-5 集）。
选择点数量：全季 3-5 个。
必须存在 1 个瓶颈收敛场景（通常是高潮戏），保证 80% 素材可复用。
必须设计 1 个隐藏结局触发条件（如 Trust_ally ≥ 20），驱动复玩。

9.2 模块设计规范（V2 精简版）
【M0】固定序章（0:00-0:15）

3 秒钩子：强视觉冲击或强悬念台词。
10 秒世界观：让观众知道「我是谁？我在哪？我要做什么选择？」
绝对不可分支。

【M1-M2】关键决策场景（每个 0:30-1:30）
每个决策场景包含：铺垫 → 上升 → 顶点 → 选择 → 即时反馈。
scene_id: "SC_001"
environment: "室内场景描述，光线、氛围"
characters:
  - role: "角色A"
    motivation: "当前目标"
  - role: "角色B"
    motivation: "对立目标"
dialogue_beats:
  - beat_1: "铺垫（10秒）"
  - beat_2: "上升（20秒）"
  - beat_3: "顶点 → 选择（10秒）"
options:
  - id: "OPT_A"
    text: "观众看到的选项文案（要有情感张力）"
    consequence_preview: "暗示性后果（不剧透）"
    next_scene: "SC_002A"
    hidden_stat_change:
      trust_ally: +10
      suspicion: -5
  - id: "OPT_B"
    text: "选项文案"
    consequence_preview: "暗示性后果"
    next_scene: "SC_002B"
    hidden_stat_change:
      trust_ally: -10
      suspicion: +5

【M3】高潮场景（瓶颈收敛）

功能：所有分支在此汇合，面对最终考验。
可通过隐藏变量触发额外选项或不同对话版本。

【M4】结局设计（1-4 个）


结局类型
功能
触发条件
设计要点


标准结局 A
满足主流价值观
常规选择路径
情绪标签：温馨 / 圆满


反转结局 B
提供悲剧美学或反转
冒险/非常规路径
情绪标签：震撼 / 遗憾


隐藏结局 C
奖励深度探索
特定变量组合
情绪标签：惊喜 / 彩蛋


社交结局 D
截图传播
极端罕见条件
情绪标签：话题性 / 梗


十、案例解析（基于输入素材的 V2 升级评估）
V1 对 10 条 YouTube 素材进行了评分。V2 用新增的「互动结构质量」和「AI 生产适配性」两个维度进行复核。
10.1 V1 → V2 评分对比表


Rank
标题
V1 总分
V2 互动结构
V2 AI 生产
V2 总分
V2 等级
结论


1
ABC News
62
6
8
76
D
纯独白新闻，互动结构与 AI 生产均低


2
Comedians roast Trump
84
12
14
110
B
幽默对话可改，但单集时长过长需切片


3
Fox News 桥梁倒塌
64
8
6
78
D
新闻素材，无人物关系


4
TVP WORLD 战况报道
68
8
6
82
D
同上


5
BBC News 营救飞行员
64
10
8
82
D
虽有营救张力，但单人口播为主


6
Kenya 葬礼直播
59
6
4
69
D
无字幕，场景不可控


7
Thanthi TV 直播
57
6
4
67
D
同上


8
NBC News Poll 专访
81
14
12
107
B
多角色 Q&A，可改编为新闻发布会模拟器


9
Firstpost 袭击直播
54
6
6
66
D
长直播，结构松散


10
CNN-News18 战报
55
6
6
67
D
同上


关键洞察：这 10 条素材全部来自 YouTube Trending News，系统性地不适合直接作为 AI 互动短剧选题。V2 强化了这一点：没有 ≥105 分的素材。Rank 2（喜剧吐槽）和 Rank 8（多角色专访）如果经过深度重构和切片，可能接近 B 级，但仍需补充更多情感冲突元素才能进入 A 级。

10.2 案例 A：Rank 2 喜剧素材的 V2 重构思路
V2 升级点：


互动结构：观众的选项不再是「看哪段」，而是「支持谁的吐槽角度」——这会累积一个 hidden_stat（audience_alignment）。
AI 生产适配：脱口秀场景通常只有 1-2 个固定舞台，AI 生成固定场景 + 换脸替换演员在技术上是可行的。
短剧化切片：将 2578 秒的长节目切片为 3-5 个 60-90 秒的互动单元，每单元聚焦一个嘉宾的吐槽观点。

10.3 案例 B：Rank 8 NBC 专访的 V2 重构思路
V2 升级点：


延迟分支：记者先追问谁 → 获得不同信息拼图 → 在新闻发布会高潮处，不同信息拼图解锁不同提问选项。
隐藏结局：如果观众在三处选择中都追问同一官员，触发「深度专访」隐藏结局，获得独家爆料。
AI 生产：新闻发布会场景极度简单（白宫简报室），是典型的「高 AI 适配性」场景。


十一、行业爆款要素、改编方法论与常见陷阱（V2 升级）
11.1 2024-2025 互动剧/微短剧爆款七大要素
基于拉斯韦尔 5W 传播模型及最新行业报告提炼：


维度
爆款要素
互动剧特化要求


剧本
双轨制（IP 改编 + 原创热点嫁接）
热点素材必须在 48 小时内完成选题评估，抢占时效窗口


演员
高颜值 + 强演技 + 竖屏特写适配
演员需能表演「同一句台词的 3 种情绪版本」（服务于不同分支）


情节
强冲突、快节奏、每集结尾设钩子
决策点本身必须是钩子


主题
娱乐性与主流价值平衡
避免 "三观不正" 分支选项导致舆情翻车


运营
算法推荐 + 精准投流
分支完播率、复玩率、选择率数据要实时回传优化投流


宣传
预埋社交货币（金句、名场面、隐藏结局）
"我解锁了隐藏结局" 是最好的社交裂变文案


制作
音画一体化、竖屏美学、AI 辅助生成
一致性角色形象（Custom Model）可降低多分支拍摄成本 35%+


11.2 改编方法论：R.P.D.S + I（V2 新增 I）
核心公式：R.P.D.S-I 五步循环


R - Reconstruct（重构）：把原始素材的叙事视角从「旁观者」转为「亲历者」。
P - Pinpoint（定位决策点）：寻找或创造 3-5 个 "What would you do?" 时刻。
D - Diverge & Converge（分叉与收敛）：用瓶颈控制分支爆炸，确保素材复用率 >80%。
S - Socialize（社交化）：为不同结局设计差异化传播文案。
I - Iterate（迭代）（V2 新增）：基于实时数据（选择率、复玩率、集均停留时长）快速调整后续集数的分支权重和结局倾向。

11.3 常见陷阱（V2 升级版）
继承 V1 的 7 大陷阱，V2 增加第 8 个：


陷阱
表现
避雷方法


陷阱 8：忽视平台算法偏好
选题很好，但前 3 秒没有强刺激，导致算法不推流
所有立项素材必须通过「3 秒钩子」测试：第一帧/第一句是否值得用户停下滑动？


十二、结论与训练建议（V2）
12.1 核心结论

输入数据结构清晰：YouTube JSON 的字段足以支撑自动化选题评估，但 V2 对时长约束更严格（>300s 需切片）。
字幕是判断适配度的关键：从字幕中提取说话人数量、对话密度、冲突词频率、情感转折次数，可快速筛选高潜力素材。
纯热点新闻并不适合互动短剧：本次 10 条素材评分均低于 90（D 级），验证了「时事新闻」作为互动短剧选题存在系统性天花板。
都市情感、职场博弈、悬疑推理是最适合 AI 互动剧的三大类题材：高适配度 × 高 AI 生产可行性 × 高平台需求。
ReelShort 的 Billionaire/甜宠、DramaBox 的 Strong Female Lead/Revenge、红果的男频权谋/女频治愈 是当前已验证的三大爆款方向。
互动剧的核心数据指标是复玩率：AI 辅助分支设计可将复玩率提升 +28.8%，但前提是选题阶段就设计好延迟分支、隐藏结局和瓶颈收敛。

12.2 interactive-video-selector 技能训练要点
针对 interactive-video-selector template 的产出要求，建议其具备以下判断能力：


输入：接收视频 JSON 格式的单个视频对象（来源可以是 YouTube、TikTok、B 站等）
处理流程：


解析 subtitles / subtitlePreview 提取 NLP 特征（说话人、冲突词、情感波动）
结合 title、channelTitle 判断题材类别
运行 8 维度 V2 评分模型，输出总分和等级
输出 ai_producibility_score 和 platform_fit_tags
若总分 ≥ 105，自动生成 SBSE-V2 剧本框架草案
若素材为单人口播或新闻类且总分 

输出 JSON 结构：

{
  "video_id": "string",
  "score_total": 0,
  "grade": "S/A/B/C/D",
  "dimension_scores": {
    "dialogue_potential": 0,
    "conflict_intensity": 0,
    "emotional_resonance": 0,
    "branch_designability": 0,
    "scene_visualization": 0,
    "traffic_base": 0,
    "interactive_structure": 0,
    "ai_producibility": 0
  },
  "ai_producibility_score": 0,
  "platform_fit_tags": ["ReelShort_Billionaire", "DramaBox_Revenge"],
  "adaptation_plan": "...",
  "sbse_framework": {...},
  "predicted_metrics": {
    "completion_rate": "0.18",
    "replay_rate": "0.28",
    "choice_rate": "0.88"
  }
}


附录 A：参考来源

Audience in the Loop: Viewer Feedback-Driven Content Creation in Micro-drama Production on Social Media
Story Forge: A Card-Based Framework for AI-Assisted Interactive Storytelling
Vertical Drama Explained: What You Need to Know in 2026
DramaBox vs ReelShort: Which Short-Drama App Is Better in 2026?
Top Vertical Drama Apps Compared: ReelShort, DramaBox & 10+ Platforms (2026)
艺恩：2025-2026年短剧内容消费偏好全景观察
中文在线 2025 年半年度报告
2025年8月海外短剧应用下载与收入排行榜
CLOKI: The New Genre of Interactive Microdramas with Controllable Timing and Pre-View Options
State of Short Drama Apps Overseas 2025 Report
By the Numbers: How to Write a Long Interactive Novel That Doesn’t Suck
Interactive storytelling: Interactive Drama: The New Frontier


附录 B：数据源推荐


数据源
类型
内容说明
爬取难度
更新频率


YouTube Data API v3
API
热门视频 Metadata + 字幕
中
实时


TikTok Research API
API
热门短视频趋势、标签、互动数据
较高
实时


ReelShort / DramaBox 应用内榜单
前端/爬虫
各平台热播榜、标签分布
高
每日


豆瓣 / 知乎 短剧/互动剧话题
网页/爬虫
用户讨论、口碑、题材偏好分析
中
每日


艺恩 / 艾瑞 短剧行业报告
PDF/研报
市场数据、内容消费偏好
低
季度