# 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：

1. **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。
2. **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。
3. **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。
4. **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。
5. **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

```json
{
  "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（<0.2）**：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：
1. **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）。
2. **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。
3. **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；< 35 建议走真人实拍或降级为线性短剧。

---

## 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**：
1. **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%**）。
2. **情绪升维**：从「虐渣爽文」升级到「甜宠 + 治愈 + 双向救赎」。
3. **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 |
| **<90** | 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。

```yaml
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**

1. **R - Reconstruct（重构）**：把原始素材的叙事视角从「旁观者」转为「亲历者」。
2. **P - Pinpoint（定位决策点）**：寻找或创造 3-5 个 "What would you do?" 时刻。
3. **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%。
4. **S - Socialize（社交化）**：为不同结局设计差异化传播文案。
5. **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

1. **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）。
2. **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。
3. **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。
4. **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。
5. **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。
6. **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**：
  1. 解析 `subtitles` / `subtitlePreview` 提取 NLP 特征（说话人、冲突词、情感波动）
  2. 结合 `title`、`channelTitle` 判断题材类别
  3. 运行 **8 维度 V2 评分模型**，输出总分和等级
  4. 输出 `ai_producibility_score` 和 `platform_fit_tags`
  5. 若总分 ≥ 105，自动生成 SBSE-V2 剧本框架草案
  6. 若素材为单人口播或新闻类且总分 < 105，输出降级建议
- **输出 JSON 结构**：

```json
{
  "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](https://arxiv.org/html/2602.14045v1)
- [Story Forge: A Card-Based Framework for AI-Assisted Interactive Storytelling](https://www.mdpi.com/2079-9292/14/15/2955)
- [Vertical Drama Explained: What You Need to Know in 2026](https://filmustage.com/blog/vertical-drama-explained-what-you-need-to-know-in-2026/)
- [DramaBox vs ReelShort: Which Short-Drama App Is Better in 2026?](https://yourappland.com/dramabox-vs-reelshort-full-comparison-of-features-and-pricing/)
- [Top Vertical Drama Apps Compared: ReelShort, DramaBox & 10+ Platforms (2026)](https://lens.streaming-radar.com/micro-drama-apps)
- [艺恩：2025-2026年短剧内容消费偏好全景观察](https://www.fxbaogao.com/detail/5324966)
- [中文在线 2025 年半年度报告](https://vip.stock.finance.sina.com.cn/corp/view/vCB_AllBulletinDetail.php?stockid=300364&id=11341395)
- [2025年8月海外短剧应用下载与收入排行榜](https://www.yfchuhai.com/article/10226349.html)
- [CLOKI: The New Genre of Interactive Microdramas with Controllable Timing and Pre-View Options](https://www.preprints.org/manuscript/202510.1529)
- [State of Short Drama Apps Overseas 2025 Report](https://investgame.net/wp-content/uploads/2025/11/State-of-S-Short-Drama-Apps-Overseas-2025-Report.pdf)
- [By the Numbers: How to Write a Long Interactive Novel That Doesn't Suck](https://www.choiceofgames.com/2011/07/by-the-numbers-how-to-write-a-long-interactive-novel-that-doesnt-suck/)
- [Interactive storytelling: Interactive Drama: The New Frontier](https://fastercapital.com/content/Interactive-storytelling--Interactive-Drama--The-New-Frontier-of-Interactive-Drama.html)

---

## 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 |