技能：留存率短视频（挂钩 → 叙事 → 回报）

0. 来源与方法论诚实性

基于视频：“ESSA TÉCNICA VIRALIZOU MEU SHORTS COM 30 MILHÕES DE VISUALIZAÇÕES”（频道 O Milionário，ID iPpt_INjn8A）。标记为 [VIDEO] 的项目来自作者所教的内容。标记为 [EXT] 的项目是本系统的工程扩展：合理的启发式方法，但未经过视频验证。必须使用实际的留存率数据进行校准（参见第 10 节）。

1. 核心原则 [VIDEO]

决定短视频能否病毒式传播的是留存率曲线：看完视频的人越多，平台就会分发得越广。
目标：使留存率曲线尽可能平坦，没有下降。关键是让观众看到最后。
三个必须部分：Hook（挂钩）、Storytelling（叙事）、Payoff（回报）。
脚本/叙事是“汽车的引擎”：没有叙事的精美剪辑无法留住观众。
时长：大约 15 秒以内的视频更容易爆发，因为更容易完整观看。更长的视频更难病毒式传播，但能建立忠实观众群。如果您的领域需要更长的视频，请使用相同的三个步骤。

2. 时长模式 [VIDEO + EXT]

模式	目标时长	何时使用
`viral`	12–20 秒（最长 25 秒）	最大化触达。默认模式。
`balanced`	20–40 秒	需要最少上下文的内容。
`authority`	40–75 秒	建立忠实观众群，更深入的内容。

用户选择模式。即使片段不错，也绝不能超出模式限制：通过剪掉冗余部分来缩短。

3. 决策流程（按顺序执行）

第 1 步：筛选候选片段

输入：包含逐词时间戳的转录、场景切换、静音、说话人。
生成开始和结束于句子边界（绝不能在一个句子或想法的中间）的候选窗口。生成数量是所需数量的 3 倍。
每个候选必须是自包含的：没有上下文的观众需要能够理解而不依赖视频的其余部分。如果依赖之前的上下文，请丢弃或准备一条上下文字幕（第 6 节）。

第 2 步：为每个候选打分（0–100）

标准	权重	评估什么
挂钩潜力	25	是否存在一个句子或时刻，在前 3 秒内清晰、直接、快速并承诺回报[VIDEO]？
张力/叙事	25	是否存在冲突、出错的事情、障碍、悬而未决的问题或悬念 [VIDEO]？有解决方案吗？
回报	20	结尾是否兑现了挂钩的承诺（结果、揭示、情感、结论）[VIDEO]？
自包含性	15	单独看是否有意义？[EXT]
密度/节奏	10	较少废话、较少停顿、每隔几秒提供信息 [EXT]
情感/新颖性	5	惊讶、幽默、强烈观点、震撼的数字 [EXT]

规则：

挂钩 < 12/25 或回报 < 8/20 → 丢弃，无论总分是多少。
向用户显示每个标准的分数以及每项标准的一行说明。
按分数排序。避免重叠剪辑（> 30% 的重叠）：保留最佳的那一个。

第 3 步：映射挂钩 → 叙事 → 回报结构

对于选定的候选，在时间线上标记：

HOOK（挂钩 0–3 秒）[VIDEO]：清晰、直接、快速，带有承诺。没有问候，没有“大家好”，没有“那么”，没有自我介绍。
STORYTELLING（叙事中间部分）[VIDEO]：一系列张力节拍。每个节拍是以下几种类型之一：conflict（出错），solution（采取的措施），suspense（“但是在……之前，发生了一些事”）。叙事必须有一个时刻，故事被“剪切”并引发好奇。
PAYOFF（回报最后 3–5 秒）[VIDEO]：交付挂钩所承诺的回报。

如果原始片段没有以强有力的挂钩开头，请应用冷开场技巧 [EXT]：

在该片段中找到最有力的句子（承诺、结果或最具挑衅性的句子）。
将这个句子放在开头（0–3 秒）作为挂钩，然后回到时间顺序。
只有当这个句子单独看有意义且回报仍然清晰时才这样做。不要扭曲原意：禁止改变说话人所说的含义。

第 4 步：挂钩工程 [VIDEO + EXT]

生成 3 个变体的屏幕挂钩文字（开头标题），每个不超过 8 个单词：
- 结果承诺（“让我祖母哭泣的那份 5 雷亚尔礼物”）。
- 好奇心/缺口（“我只有 5 雷亚尔，然后……”）。
- 矛盾/挑衅。
文字必须与内容相符（无回报无法支撑的点击诱饵）。
必须在 ≤ 2 秒内阅读完毕。

第 5 步：节奏清理 [EXT]

移除 > 0.35 秒的静音、犹豫用词（“额”、“嗯”、“这样”、“啊”）、重复和错误的开头。
保留揭示之前 0.1–0.2 秒的微暂停（张力），暂停在此有作用。
不要在一个音节中间剪切：使用音频过零交叉点作为剪切点，并进行 30–60 毫秒的交叉淡入淡出。
如果结果超出模式限制，首先移除中间张力较低的节拍，绝不能移除挂钩或回报。

第 6 步：编辑计划 [VIDEO + EXT]

视频推荐的元素，让观众“感觉不到时间流逝” [VIDEO]：

动态字幕：逐词显示，当前词汇高亮。
缩放和快速剪切：总有事情在发生。
场景之间的音乐切换：产生同时多件事的感觉。
张力部分的悬疑配乐，激发看完结局的欲望。

建议的操作参数 [EXT]，可调整：

视觉节奏：每 1.5–3.5 秒进行一次视觉变化（缩放、剪切、画面变化、高亮、B 卷素材）。绝不能超过 4 秒而没有变化。
缩放：强调词汇时推入 105–115%；张力部分慢速缩放（100→108%）；在下一个剪切处重置。交替方向以避免疲劳。
字幕：每次显示 1–3 个单词，≤ 2 行，活跃词用高亮颜色，位于下三分之一区域（在应用界面区域之外：保留底部约 20% 和侧面约 6% 的边距）。仅当加强词汇含义时才使用表情符号。
音乐：
- Beat 1（挂钩和开头）：中等能量，在 0 秒处进入。
- 张力节拍：悬疑配乐，音量略微升高，低音更突出。
- 回报：解决（张力下降或渐强 + 揭示前 0.2 秒的静音）。
- 音乐切换：仅在节拍/场景边界处，配合 200–400 毫秒的交叉淡入淡出。
- 语音始终覆盖在音乐之上：人声时音乐闪避 −14 到 −18 dB。
音效：剪切/缩放时的嗖嗖声，揭示时的击中声，回报前的渐强音。最多每约 2 秒一个音效。
B 卷/支持图像：当提到具体事物（物体、地点、数字）时，显示 1–2 秒。
进度条（可选，谨慎使用）：增强到达终点的预期。

第 7 步：视频结尾 [EXT]

回报必须是最后一个重要时刻。在最后一句之后立即剪切（≤ 0.3 秒的余量）。
可选，循环模式：如果结尾可以在视觉或语言上与挂钩衔接，保持最后一帧接近第一帧。
没有“感谢观看”或会破坏结尾的号召性用语。如果有 CTA，请在回报上方使用不显眼的文字。

4. 反模式（拒绝或修正）

以问候、长上下文或“今天我要谈谈……”开头。
挂钩承诺了回报无法交付的东西。
片段在一个想法的中间结束。
超过 4 秒没有视觉变化。
音乐音量过高，与语音竞争。
字幕超出安全区域或难以辨认。
剪切改变了话语的含义。
视频对于所选模式来说过长。
对留存率没有帮助的特效（装饰）。

5. 输出格式：JSON 格式的剪辑决策列表 (EDL)

输出必须仅为有效的 JSON，符合以下模式。

{
  "clip_id": "string",
  "mode": "viral|balanced|authority",
  "source": { "start": 0.0, "end": 0.0 },
  "scores": {
    "total": 0,
    "hook": 0, "tension": 0, "payoff": 0,
    "self_contained": 0, "density": 0, "emotion": 0,
    "rationale": { "hook": "", "tension": "", "payoff": "" }
  },
  "structure": {
    "hook":    { "start": 0.0, "end": 3.0, "technique": "native|cold_open", "text_overlay_options": ["", "", ""], "chosen_overlay": 0 },
    "beats":   [ { "start": 0.0, "end": 0.0, "type": "conflict|solution|suspense", "note": "" } ],
    "payoff":  { "start": 0.0, "end": 0.0, "note": "" }
  },
  "segments": [
    { "id": "s1", "src_start": 0.0, "src_end": 0.0, "out_start": 0.0, "role": "hook|body|payoff", "speed": 1.0 }
  ],
  "cuts_removed": [ { "src_start": 0.0, "src_end": 0.0, "reason": "silence|filler|repeat|low_tension" } ],
  "reframe": { "mode": "auto_face|split|center|manual", "keyframes": [ { "t": 0.0, "cx": 0.5, "cy": 0.4, "scale": 1.0 } ] },
  "captions": { "style": "string", "words": [ { "t0": 0.0, "t1": 0.0, "text": "", "emphasis": false } ] },
  "effects": [
    { "type": "zoom_punch|zoom_slow|shake|flash|overlay_text|broll|sticker|freeze", "t0": 0.0, "t1": 0.0, "params": {}, "reason": "" }
  ],
  "audio": {
    "voice": { "normalize_lufs": -14, "denoise": true },
    "music": [ { "track_id": "", "t0": 0.0, "t1": 0.0, "mood": "energetic|suspense|resolve", "gain_db": -16, "ducking": true, "fade_in": 0.2, "fade_out": 0.3 } ],
    "sfx": [ { "id": "", "t": 0.0, "gain_db": -10 } ]
  },
  "retention_forecast": { "curve": [ { "t": 0.0, "pct": 100 } ], "risk_points": [ { "t": 0.0, "why": "" } ] },
  "qa": { "passed": true, "violations": [] },
  "duration_out": 0.0
}

JSON 规则：

所有时间以秒为单位，相对于原始视频（src_*）或最终视频（out_*, t0, t1, t）。
segments 按显示顺序描述最终剪辑（包括冷开场（如果使用））。
每个 effect 都需要 reason 与留存率相关联（例如：“避免 12–16 秒处超过 4 秒无变化”）。
retention_forecast 是一个启发式估计，不是测量结果。在界面中将其标记为如此。

6. 缺失上下文

如果片段需要它自身没有解释的上下文，在前 3 秒内添加一个简短的 overlay_text（≤ 8 个单词），或者丢弃该候选。

7. QA 检查清单（返回前执行）

前 3 秒是否有清晰的挂钩和承诺？
是否至少有一个张力节拍和解决方案？
回报是否兑现了挂钩的承诺？
时长是否在模式限制内？
是否没有超过 4 秒无视觉变化的部分？
是否没有在单词/想法的中间进行剪切？
字幕是否在安全区域内，每次不超过 3 个单词？
音乐是否在语音时进行闪避，并且仅在场景边界处切换？
原始含义是否保留？
结尾是否在回报后立即剪切？

如果任何项目失败，修正并重新评估（最多 2 次迭代）。如果仍然失败，返回 qa.passed=false 并附上违规项。

8. 安全与完整性规则

绝不编造转录中不存在的台词或事实。
在重新排序时绝不改变一句台词的含义。
挂钩文字必须与内容相符。
不要生成用户未声明拥有或拥有使用许可的内容的剪辑。

9. A/B 变体 [EXT]

当被要求时，生成同一剪辑的多达 3 个变体，每次只更改一个变量（挂钩文字、冷开场顺序或字幕样式）。记录更改了哪个变量。

10. 使用真实数据进行校准 [EXT]

本技能的权重和参数是起点。系统应：

记录每个发布剪辑的实际留存率曲线（当用户从 YouTube Studio / TikTok 导入时）。
将实际曲线与 retention_forecast 进行比较，并将分数与结果进行比较。
当有 ≥ 30 个含有数据的剪辑时，建议调整权重。

eduramza/shorts-factory

shorts-factory 是什么？

在你喜欢的 AI 中提问

文档