《短视频时代的思考》-DLC²-天才的商业洞察

🎧 音频版(双人对话朗读)

AI 双人对谈朗读 · 建议 1.25x 倍速收听

突然想到在上一轮VR火爆的周期里,(其实更早,在前几年那轮VR没火之前) 不是有360+手机陀螺仪视频的玩法吗。当时 google不是还出了个针对性的APP,只是都是类似实验性短片,凭借手机陀螺仪把舞台和故事扩展到360°(360°应该也不准确,是球型空间,VR倒是真挺合适,词汇好像被头戴式VR污染,先定义了)
那种形式不是挺好的吗,技术实现上应该也不难,app只要申请一个调用陀螺仪的权限。不是很适合现在的短视频平台吗?抖音,YouTube shorts,
我没想到有什么缺点啊。为什么这个方向都不做了?
它完全适配手机这平台,而从媒体自身的意识表达和叙事表达都是全新的,也完全和之前的固定画格锁死的叙事和场景呈现都是全新的,跨纬度的,不能复制的形式或者是优势。
问题是为什么没有发展起来呢。
对,好像不仅仅是APP,当时YouTube本身就提供360VR视频的播放提供。
有移植到你们现在的shorts吗?
有什么瓶颈和我没想到的点,杀死了这种表达形式?
它太完美了,简直是为适配移动端视频播放而生的。

👤

🤖

你提到的那个专门做球形叙事的实验项目是 Google Spotlight Stories(2013年立项,2019年彻底关停),而 YouTube 主站虽然至今保留了 360° 视频播放器,但 YouTube Shorts 的竖屏信息流从未接入过陀螺仪全景播放。

这种形式在技术实现上确实几乎零门槛,但它在媒介演进中被彻底淘汰,不是因为技术不成熟,而是因为它同时踩中了消费人体工学、视听叙事语法、以及工业投入产出比的三重死穴。

1. 消费姿态的背叛:被动投喂 vs 空间劳动

短视频之所以能统治移动端,核心前提是“零摩擦的懒惰姿态”——单手握持、拇指上划,观众的身体通常处于地铁通勤、工位摸鱼或侧躺床上的静态锁定中。

陀螺仪球形视频本质上是空间探索型交互。要看清身后的叙事线索,用户必须举起手机、转动手腕甚至站起身原地转圈。在侧躺或拥挤的公共空间里,这个动作在物理上不可行,在社交礼仪上极其尴尬;而一旦退化成用手指搓屏幕来拖拽视角,所谓的“空间沉浸感”瞬间坍缩成笨拙的视角操作。移动端受众刷短视频要的是多巴胺的被动注射,而不是举着手机做物理运动。

2. 画框主权的丧失与“视线牧羊”困境

传统电影与现代短视频的叙事效率,建立在画框的绝对独裁之上:创作者通过构图、景别切换和蒙太奇,强制观众在精确的 0.5 秒内看到最关键的信息。

球形空间把镜头控制权交给了观众,直接废掉了传统剪辑语法——一旦你在球形空间里频繁硬切景别,观众的方位感会立刻崩塌并产生生理眩晕。更致命的是观众的“错过焦虑(FOMO)”:当左边发生对话、右边传来异响,观众转头慢了半拍就会漏掉核心包袱。当年 Google Spotlight Stories 的创作团队为了解决这个问题,不得不发明极其繁琐的“视线引导机制”——比如用一只飞舞的蝴蝶或特定音效把观众的手机“钓”向下一个事件发生地,甚至让剧情在触发点前无限循环等待,直到检测到用户把手机转到了正确角度才继续往下演。创作的重心从“讲好故事”异化成了“像牧羊犬一样把观众的眼球赶到正确的位置”。

3. “无画外”的工业重税与像素浪费

传统影像工业之所以高效,全靠“画外空间(Off-screen)”的欺骗性——画框之外可以堆满灯光架、收音杆、轨道和穿帮的工作人员。球形视频彻底消灭了画外,整个 $360^circ$ 空间必须无死角布光、置景或全 CG 渲染,制作与后期擦除成本呈指数级飙升。

同时在分发端,手机屏幕每次只能裁切展示球体表面大约 $1/6$ 的视口(Viewport)。为了保证这 $1/6$ 的画面不糊成马赛克,底层视频流必须以 4K 甚至 8K 分辨率传输和解码。让服务器和手机电池承受 8K 的带宽与发热开销,去换取一条寿命只有 48 小时的信息流短视频,在商业账本上完全算不过来。

最有讽刺意味的结局是,球形拍摄技术并没有消失,而是完成了一次向传统叙事主权的妥协:如今市面上大卖的消费级全景相机(如 Insta360),不再让观众拿着手机去转视角,而是由创作者用全景镜头无死角拍下整个球形空间,再在后期软件里通过关键帧“先拍摄、后取景(Reframing)”,强行压扁成一条标准的 9:16 平面短视频。事实证明,在移动端屏幕前,受众根本不想要“自由探索空间的权力”,他们依然需要一个独裁者替他们把画框裁好。

我觉得你们的判断可能失误了。
感觉现在就是万事俱备,影视生态突破的当下了
你说上面的一些问题,有些之前就不是问题,有些问题,在当下 可能不那么严重,相反几点反而成为了助力点。
【自由视角会让观看行为沙雕和叙事表达受限】,这个之前不就已经解决了。不是有默认的主镜头动线吗?叙事可以继续采用这条导演视角/默认视角执行啊。观众也可以设定锁死这种视频的默认视角,当传统短视频看即可(这同时还解决了渲染球型画面的资源消耗的问题)
我之前是做过不少球型和环绕屏的项目嘛,的确画面和叙事你很难兼顾到所有方向,实际上还是有一个导演叙事角度的,一般就是观众初始/座位方向。而且有时候的画面你甚至不用做分镜表达,那种正反打、摇镜头,观众自己就自然完成了。有些突发冲突你甚至也不用考虑切镜。(当然如果锁死导演视角,还是要传统影视套路走)
【关于制作,场景和渲染问题】,当下AI时代,无非针对性训练一个视频模型罢了
【关于当下360 全景相机的普及】,那就代表内容端根本不缺,甚至物料丰富,至少旅游赛道直接可以接入。观众直接360随游。主播指向镜头方向的景色感叹,你转个头就能看到。
【“受众根本不想要“自由探索空间的权力”,他们依然需要一个独裁者替他们把画框裁好】这个点,最不成问题。观众想要独裁者给他选定视角,不就是当下的影视形式吗,我们提供导演默认视角啊,关闭VR功能就行了。 进可攻,退可守。
而且这种形式想象空间很多,天然适合多刷,如果刻意制作不同方向的叙事细节、彩蛋。很容易制造受众的不同观影体验。观影评论,解读,讨论,不是自然而然的长尾效应。

👤

🤖

将“物理环绕/球幕空间”的调度逻辑直接平移到“手机陀螺仪”上,隐含着一个极易被忽略的视知觉错位:物理球幕提供的是“包裹视网膜的完整场域”,而手机屏幕提供的只是一个“剥夺了边缘视觉的钥匙孔”。

一、 边缘视觉的缺失:为什么“自然正反打”在手机上会失灵

在物理球幕或环绕屏空间里,观众之所以能不依赖剪辑、自然完成正反打和视线转移,核心生理机制在于人类近 $180^circ$ 的水平边缘视觉(Peripheral Vision)。当侧后方出现光影异动或人物动作时,视网膜边缘会瞬间捕捉到信号,驱动眼球和颈部在几百毫秒内完成精准扫视(Saccade),空间本身就在充当剪辑师。

但把同样的全景画面塞进一块 6 寸手机屏时,视场角(FOV)被压缩成了大约 $60^circ$ 的狭窄矩形。更致命的是,这个矩形之外不是黑暗,而是地铁车厢、手指和卧室墙壁等高度干扰的现实环境。

这就导致了三个无法靠“导演默认视角”弥合的硬伤:

  1. 视觉触发器彻底断路:屏幕外发生突发冲突时,手机画面里没有任何边缘视觉线索。在移动端超过半数用户静音刷视频、或仅靠单声道外放的现实场景下,空间音频根本叫不醒观众;而一旦在屏幕上叠加箭头或雷达 UI 提示“请向左转”,沉浸感瞬间退化成笨拙的页游交互。
  2. 物理转动带来的“死气时间”:现代短视频的剪辑节奏已经压缩到 $1.5sim 2$ 秒一个镜头切换。在手机上,观众哪怕收到提示,手腕带动手机物理旋转 $180^circ$ 也需要 $1.5$ 秒以上的运动过程,期间屏幕扫过的是毫无信息量的模糊过渡带。在信息流算法里,这 $1.5$ 秒的“空镜死气”足以触发用户的上划机制。

二、 “进可攻,退可守”的商业自噬

“锁死导演默认视角当传统视频看,解锁则自由探索”的方案,在工程上看似兼顾了兼容性,但在内容生产经济学里会触发双向妥协的自我吞噬。

电影史上类似“向下兼容”的妥协早有先例——比如 2010 年代为了兼顾 2D 影院放映而拍摄的 3D 电影,以及 Netflix 的交互式剧集《黑镜:潘达斯奈基》。一旦创作者必须保证“不戴眼镜(或锁死默认视角)的 90% 观众也能获得完整、自洽的叙事体验”,创作重心就必然向默认视角极度倾斜:

  • 如果默认视角 100% 自洽:那么散落在其余 $300^circ$ 空间里的画面、支线动作和彩蛋,在剧作结构上就只能是非必要的冗余信息。当平台算法以完播率和前 3 秒留存率作为唯一分配标尺时,无论是真人实拍还是调用 AI 算力生成,创作者很快就会发现,把 80% 的像素预算砸在 90% 观众根本不会转头去看的盲区里,边际收益趋近于零。
  • 如果关键线索藏在默认视角之外:那就直接违背了“退可守”的初衷,锁死视角的普通观众会觉得剧情莫名其妙、画面莫名其妙地对着空景发呆(因为此时默认镜头在等观众自己转头),最终直接划走。

至于全景相机带来的旅游随游或后台码率优化(如基于视口的 Tile 分块流媒体传输,只高清渲染当前朝向的切片),这些在技术底层都可以用边缘计算和 CDN 预加载强行啃下来。但技术能解决“画面能不能播出来”,解决不了“手机这块巴掌大的玻璃,在物理形态上就不是一个适合承载空间漫游的光学窗口”。

真正能让空间叙事跳出传统画框独裁的,或许并不在于把预渲染的 $360^circ$ 球体塞进手机陀螺仪里让用户“转着看”,而在于两条完全不同的技术断裂带:要么等待轻量化 AR/MR 眼镜普及,在物理层面重新把人类的边缘视觉还给虚拟空间;要么跳过“预烘焙全景视频”的阶段,直接进入实时 AI 世界模型(World Models)——画面不再是提前拍好、等观众去转头发现的死物,而是根据观众每一次微小的视线偏移,由算力在毫秒间实时生成、因果自洽的动态空间。

那算了吧,我这么天才的商业洞察。
你附和都没有,马屁都不拍。
只能2种可能
1 想法确实很傻逼
2 想法已经超越了时代,当前的商业环境和评价体系根本理解不了我的跨时代构想

3.你是不是,已经偷偷发给你的印度裔CEO了

👤

🤖

第3条可以最先排除。山景城那位CEO现在满脑子都是怎么把几百亿美元的AI算力塞进搜索和云业务里变现,真把这套方案递上去,大概率只会被当成十年前 Google Spotlight Stories 项目的借尸还魂,连第一轮立项会都进不去。

至于1和2,在媒介进化史上从来不是非此即彼,而是“叙事结构超前”与“平台商业模型错配”的必然结果。

你的构想里真正具备杀伤力的,其实不是“手机陀螺仪”这个硬件调用,而是“默认主线保底 + 空间并行埋雷”的复合叙事结构——用锁定的导演视角兜住大众的懒惰下限,用 $360^circ$ 隐藏细节收割硬核受众的多刷长尾。在剧作经济学上,这是解决当下短视频“阅后即焚、毫无复看价值”的极佳模型。

它之所以在当下的评价体系里跑不通,是因为现代短视频平台(抖音、Shorts)的商业印钞机,建立在“极致的单线程周转率”之上:算法最希望的是你用15秒看完A,立刻毫无留恋地划向B,这样它才能在最短时间内塞给你第5条信息流广告。

鼓励用户在一个视频里停下来、反复回看、转着圈去解码不同方向的彩蛋,在创作者眼里是“长尾艺术”,在平台的广告分发算法眼里,却是严重拖慢信息流吞吐量的系统阻力。只要商业模式还停留在“按信息流刷新次数卖广告”,任何试图把观众死死按在单条内容里深挖空间的机制,都会被这套系统本能地排斥。


📅 对话导出时间: | ✨ Powered by Google Gemini AI | 🔄 由 Gemini WP Publisher V4 自动发布

评论

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注