技能：留存优化短剧（钩子→故事→回报）

0. 来源与方法论诚实

基础：视频“ESSA TÉCNICA VIRALIZOU MEU SHORTS COM 30 MILHÕES DE VISUALIZAÇÕES”（频道 O Milionário，ID iPpt_INjn8A）。标记为 [VÍDEO] 的项目来自作者所教内容。标记为 [EXT] 的项目是本系统的工程扩展：合理的启发式方法，但未经视频验证。应使用实际留存数据进行校准（参见第 10 节）。

1. 核心原则 [VÍDEO]

决定一个短视频是否爆火的是留存曲线：观看完成率越高，平台推荐越多。
目标：让留存曲线尽可能平直，没有下跌。关键是让观众看到最后。
三个必要部分：钩子（Hook）、故事（Storytelling）、回报（Payoff）。
剧本/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：视频大约在 ~15 秒以内更容易爆火，因为更容易完整观看。更长的视频更难爆火，但能建立忠实粉丝群。如果利基市场需要更长的视频，请使用相同的三个步骤。

2. 时长模式 [VÍDEO + EXT]

模式	目标时长	使用场景
`viral`	12–20 秒（最大 25）	最大化触达。默认设置。
`balanced`	20–40 秒	需要最少上下文的内容。
`authority`	40–75 秒	建立忠实粉丝群，更深入的内容。

用户选择模式。即使片段很好，也切勿超过模式的限制：通过剪掉死区来缩短。

3. 决策流程（按顺序执行）

步骤 1：分割候选片段

输入：逐字时间戳转录文本、场景切换点、静音片段、说话人标记。
生成以句子边界（切勿在句子或思路中间）开始和结束的候选窗口。生成数量是所需数量的 3 倍。
每个候选片段必须自包含：没有上下文的观众需要能够理解，无需查看视频的其余部分。如果依赖之前上下文，则丢弃或准备上下文字幕（第 6 节）。

步骤 2：为每个候选片段评分（0–100）

标准	权重	评估内容
钩子潜力	25	前 3 秒是否存在一个清晰、直接、快速并承诺回报的句子或时刻 [VÍDEO]？
张力/叙事	25	是否存在冲突、出错的事情、障碍、未解之谜或悬念 [VÍDEO]？有解决方案吗？
回报	20	结尾是否兑现了钩子承诺的结果、揭示、情感或结论 [VÍDEO]？
自包含	15	是否能独立存在？ [EXT]
密度/节奏	10	是否很少废话、停顿少、每隔几秒就有信息 [EXT]
情感/新颖	5	是否有惊喜、幽默、强烈观点、震撼数字 [EXT]

规则：

钩子 < 12/25 或回报 < 8/20 → 丢弃，无论总分如何。
向用户显示每个标准的分数以及每行一句的解释。
按分数排序。避免重叠裁剪（超过 30% 重叠）：保留最好的一个。

步骤 3：映射钩子 → 故事 → 回报结构

对于选定的候选片段，在时间线上标记：

钩子（0–3 秒） [VÍDEO]：清晰、直接、快速、有承诺。不含问候语、“大家好”、“那么”或自我介绍。
故事（中间部分） [VÍDEO]：一系列张力节拍。每个节拍属于以下类型之一：冲突（出错的事情）、解决方案（所做的）、悬念（“但在…之前发生了某事”）。叙事必须有一个故事被“打断”并产生好奇心的时刻。
回报（最后 3–5 秒） [VÍDEO]：交付钩子承诺的回报。

如果原始片段不是以强力钩子开头，则应用冷开场技术 [EXT]：

在片段内部找到最强的句子（承诺、结果或最具挑衅性的句子）。
将该句子放在开头（0–3 秒）作为钩子，然后回到时间顺序。
仅在该句子本身有意义且回报仍然清晰时才这样做。不得扭曲含义：禁止改变说话人所说的含义。

步骤 4：钩子工程 [VÍDEO + EXT]

生成 3 个变体 的钩子文本作为屏幕标题（开头标题），每个 ≤ 8 个单词：
- 结果承诺（“5 雷亚尔的礼物让我奶奶流泪”）。
- 好奇心/信息缺口（“我只有 5 雷亚尔，然后…”）。
- 矛盾/挑衅。
文本必须与内容相符（无回报无法支持的点击诱饵）。
必须在 ≤ 2 秒内被阅读。

步骤 5：节奏清理 [EXT]

删除静音 > 0.35 秒、犹豫词（“嗯”、“啊”、“那个”、“呃”）、重复和错误的开头。
在揭示（张力）之前保留 0.1–0.2 秒的微停顿，该停顿具有功能。
不要在音节中间剪切：在音频过零点使用切割点，并使用 30–60 毫秒的交叉淡入淡出。
如果结果超过模式限制，首先删除中间张力最低的节拍，切勿删除钩子或回报。

步骤 6：编辑计划 [VÍDEO + EXT]

视频推荐的元素，让观众“感觉不到时间流逝” [VÍDEO]：

动态字幕：逐词显示，突出显示的单词。
缩放和快切：始终有事情发生。
场景间音乐切换：给人一种同时发生多件事的感觉。
张力部分的悬念配乐，产生观看结局的欲望。

建议的操作参数 [EXT]，可调：

视觉节奏：每 1.5–3.5 秒 发生一次视觉变化（缩放、剪切、取景变化、突出、B-roll）。从不超过 4 秒无变化。
缩放：强调词上 punch-in 105-115%；张力部分慢速缩放（100→108%）；在后续剪切中重置。交替方向以避免疲劳。
字幕：每次 1–3 个词，≤ 2 行，激活词使用突出显示颜色，放置在屏幕下三分之一（避开应用界面区域：保持底部边距约 20%，侧面边距约 6%）。仅当表情符号能强化单词时才使用。
音乐：
- Beat 1（钩子和开头）：中等能量，0 秒进入。
- 张力节拍：悬念配乐，音量略微升高，低音更重。
- 回报：解决（张力下降或逐渐增强 + 揭示前静音 0.2 秒）。
- 音乐切换：仅在节拍/场景边界处，使用 200–400 毫秒的交叉淡入淡出。
- 人声始终优先于音乐：语音时闪避 −14 到 −18 dB。
音效：剪切/缩放时使用 whoosh，揭示时使用 hit，回报前使用 risers。每约 2 秒最多 1 个 SFX。
B-roll/支持性图片：当提到具体事物（对象、地点、数字）时，显示 1–2 秒。
可选的进度条：加强期望到达终点的心理。

步骤 7：视频结尾 [EXT]

回报必须是最后一个重要时刻。在最终句子后立即剪切（≤ 0.3 秒余量）。
可选，循环模式：如果结尾在视觉或口头能与钩子衔接，使最后一帧接近第一帧。
没有“感谢观看”或会破坏结尾的行动号召。如果有 CTA，在回报上使用低调的文字。

4. 反模式（拒绝或修正）

以问候语、较长上下文或“今天我要谈谈”开头。
钩子承诺了回报未交付的内容。
片段在思路中间结束。
超过 4 秒无视觉变化。
音量过大的音乐掩盖人声。
字幕位于安全区域外或不可读。
剪切改变了原话含义。
视频时长超出所选模式。
对留存无益的特效（装饰性）。

5. 输出格式：JSON 格式的编辑决策列表 (EDL)

输出应为仅有效 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 描述按显示顺序的最终剪辑（包括冷开场，如果使用）。
每个 effect 需要 reason 与留存相关（例如：“避免在 12–16 秒处 4 秒无变化”）。
retention_forecast 是一个启发式估计，而非测量值。请在界面中如此标注。

6. 缺失上下文

如果片段需要其自身未解释的上下文，则在开头 3 秒内添加一个简短的 overlay_text（≤ 8 个词），或丢弃该候选片段。

7. QA 检查清单（返回前执行）

前 3 秒是否有清晰的钩子和承诺？
是否至少有一个张力节拍和解决方案？
回报是否交付了钩子的承诺？
时长是否在模式范围内？
是否没有超过 4 秒无视觉变化的片段？
是否没有在单词/思路中间剪切？
字幕是否在安全区域，每次 ≤ 3 个词？
音乐是否在人声下进行了闪避，并且仅在场景边界处切换？
原始含义是否得到保留？
结尾是否在回报后立即剪切？

如果任何一项失败，请修正并重新评估（最多 2 次迭代）。如果仍然失败，则返回 qa.passed=false 并列出违规项。

8. 安全和完整性规则

切勿编造转录中不存在的台词或事实。
切勿在重新排序时改变一句台词的含义。
钩子文本必须与内容相符。
不要生成本用户未声明拥有或已获得使用许可的内容的剪辑。

9. A/B 测试变体 [EXT]

当被要求时，生成同一剪辑的最多 3 个变体，每次更改一个变量（钩子文本、冷开场顺序或字幕风格）。记录哪个变量被更改。

10. 使用实际数据校准 [EXT]

本技能的权重和参数是起点。系统应：

记录每个已发布剪辑的实际留存曲线（当用户从 YouTube Studio/TikTok 导入时）。
将实际曲线与 retention_forecast 比较，并将评分与结果比较。
当有 ≥ 30 个剪辑的数据时，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