短视频用户陷入视觉疲劳,AI能否救场

简介: 最近,阿里低调地上线了以电商为主要功能的鹿刻短视频,联想到此前腾讯大刀阔斧推出微视,百度积极布局好看视频,至此,BAT三家都完成了对短视频行业的入局。

image.png

最近,阿里低调地上线了以电商为主要功能的鹿刻短视频,联想到此前腾讯大刀阔斧推出微视,百度积极布局好看视频,至此,BAT三家都完成了对短视频行业的入局。“姗姗来迟”的巨头们,无疑会让短视频的竞争更为激烈,整个行业也仿佛回到了当年数家视频网站混战的局面。而告别了野蛮生长的短视频行业,此时正面临着同质化严重、泛娱乐化、内容触线等一系列问题,如何走出新路的问题也被摆在了BAT 等众多玩家的面前。

 

狂欢式群体娱乐,用户陷入视觉疲劳


目前,许多视频APP制造出一系列的视觉奇观,刺激了用户幻想和欲望的产生,比如一些爆红的美食视频,就因为激发了人们对美食的向往而获得了用户关注。当下即时的感官愉悦会掩盖人们更深层次的意义追寻,人们的情感与体验也容易被视觉奇观所操控。

image.png

短视频 APP如秒拍、美拍、抖音的走红助推了短视频的发展,这些 UGC 短视频虽然满足了人们的信息需求,但是它往往局限在“视觉奇观”中,成为大众自娱自乐的产品,缺少公共性与知识性。当理性与深度被感性和散漫所取代,当狂欢式的群体娱乐消遣代替了个体化的审美体验,用户的审美疲劳就会接近临界点,这也是快手、抖音等短视频产品在高速增长后陷入停滞的原因。


不愿意再刷短视频了,本质是因为用户不想自己的时间变廉价。人们评价信息传播价值的标准始终是“人们获得的信息价值÷他为此支付的时间”的比值,短视频兴起后,价值传播陷入“国民总时间”陷阱,片面追求时长而忽略时长带来的价值,引发时长越多、时长越不值钱的“通货膨胀”现象,抖音、西瓜视频等长用户时长产品屡被诟病的根源都在于此。

 

内容复盘,用户时长的价值赋予


“厌烦刷短视频”群体的说辞大多数都是“同质”,“刷多了没意思“,这其实是社会学中的“剥夺与满足命题”——用户只有在第一次接触到某视频时,情感最能得到满足,第二次、第三次,该视频带来的愉悦感就会逐渐“被剥夺”……也就是说,用户接触同质化的短视频的次数越多,其情感体验就会一步步趋向乏味。


所以,对行业来讲,与其老想着流量入口,不如想想如何破解用户的厌倦心理。目前,已经有一些平台在尝试MCN的模式,提高对内容生产者的管理效率,BAT三家都做了这样的决策,百度好看视频更是与国际级MCN机构合作,比如Zoomin.TV、WebTV Asia等。除了BAT,美拍、微博也启动了MCN计划。


为什么短视频平台越来越趋于MCN了呢?这是因为MCN具有规模效应,能集合更多的行业资源,提供更为系统化的服务,保留创作者的独立性,使其不会为群体式的狂欢所影响,进而保障内容持续、高质地输出。


BAT选择了同样的机制,在具体表现上仍有所区别。腾讯虽有意识打造内容产出矩阵,产生规模效应,但还是被短视频产品的流量思维所禁锢,这一点从微信罔顾用户体验,在朋友圈强推“微视”的动作就能看出;百度的好看视频则一直希望能重新复盘内容产出机制,将短视频和爱奇艺的长视频进行精确匹配,形成内容联动,使覆盖面更为广泛;至于阿里,淘宝系短视频“鹿刻”更为专注做出电商导购加问答社区的混合体。未来,三者的高度和走向还留待行业继续探讨。

image.png

另外,短视频要想留住用户,主要还是让用户放弃“自我执行的父爱主义”,即不相信自己而不得采用的行为,比如不相信自己能早起就定三个闹钟,不相信自己能不刷短视频而卸载APP又反复安装。而消灭这种“主义”的核心在于,需要让短视频的消费时长变得更有价值,这也需要各个平台从内容的充实度、丰富度入手。


抖音、快手等短视频在约谈后开始调整内容结构,美拍也提出了泛知识内容的新定位,百度好看视频则依赖内容生态体系吸引用户。内容为王的时代里,通过内容升值而让“时长货币”不再贬值,才是短视频谋长远的必需。而争论多时的短视频横屏竖屏之争也毫无必要,让“内容”更加美丽才是各个平台的竞争焦点。

 

技术破局,感性消费的理性疏导


智能时代里,短视频的自救不仅在于内容上的,更在于如何使用技术手段去做好内容分发。短视频是一种典型的视觉文化,以形象为中心,注重感性体验,使用技术,就是利用人工智能去做感性消费的理性疏导。


一方面,视觉文化并不取决于图像本身,而取决于对图像或是视觉存在的现代偏好。在消费主义时代,利用AI图像识别做视频分发,目的不是为了实际需求的满足,而是让人们不断追求被制造出来的和刺激出来的需求。


视频内容的分发作为技术支持的的重要一环,需要区分人们的低级和高级需求。即便快手很早就应用了人工智能,在视频认知和理解上建立了很深的壁垒,但在内容分发上,却因为迎合了人性最不堪的一面去推荐,而被打上“低俗”的标签。

另一方面,大数据、用户画像、算法和推荐的目的不仅仅是为了精准推荐,也是避免出现“柠檬市场”——用户掌握的信息不够全面而无法判断商品真正的价值。短视频的算法应该多方面挖掘用户兴趣,进而做到用户群体聚合。


在这个方面,短视频平台默契地将算法中的单一数据转为多维数据,使得用户不再困于“圆形监狱”。在复活微视之后,腾讯上线的一款“下饭视频”,在产品形态上选择了分频道信息流推荐;百度好看视频则基于视频理解及NLP技术,为7.5 亿用户标注了200万维度的画像标签及亿级别属性和关系的知识图谱。通过多维数据建立丰富的场景模型,才能让用户了解有价值的短视频内容,进而让用户视线有意义地留存。

 

结论:


今天,越来越多的巨头加入了短视频的战场,BAT等巨头的加入,也让短视频的赛道竞争越发焦灼。短视频行业玩家动作频频,本质上还是行业大环境变了——短视频进入了结构调整和内容重构的新风口,而如何解决用户的审美疲劳也成为新一轮竞争的焦点。

相关文章
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
AI Compass前沿速览:IndexTTS2–B站、HuMo、Stand-In视觉生成框架、Youtu-GraphRAG、MobileLLM-R1–Meta、PP-OCRv5
AI Compass前沿速览:IndexTTS2–B站、HuMo、Stand-In视觉生成框架、Youtu-GraphRAG、MobileLLM-R1–Meta、PP-OCRv5
220 10
AI Compass前沿速览:IndexTTS2–B站、HuMo、Stand-In视觉生成框架、Youtu-GraphRAG、MobileLLM-R1–Meta、PP-OCRv5
|
8月前
|
人工智能 计算机视觉
HarmonyOS NEXT AI基础视觉服务-背景替换
这是一个基于AI基础视觉服务的背景替换案例,通过调用设备相册选择图片并智能分割主体,支持动态更换背景颜色。主要步骤包括:1) 导入模块与定义组件;2) 实现图片选择与格式转换;3) 使用`subjectSegmentation.doSegmentation`接口完成主体分割;4) 通过随机RGB值实现背景色动态更换。代码结构清晰,功能完整,适合学习AI图像处理技术。
HarmonyOS NEXT AI基础视觉服务-背景替换
|
8月前
|
存储 人工智能 数据安全/隐私保护
HarmonyOS NEXT AI基础视觉服务-人脸对比
这是一套基于AI基础视觉服务实现的人脸对比系统,用户可通过调用设备相册选择两张图片,系统将提取人脸特征并计算相似度,最终以结构化数据形式展示对比结果(如相似度值和是否为同一人)。代码涵盖模块导入、双图选择、图像处理、人脸对比核心逻辑及UI界面构建,支持异常处理与权限管理,确保功能稳定性和兼容性。适配场景包括身份验证、人脸匹配等,具有较高的实用价值。
HarmonyOS NEXT AI基础视觉服务-人脸对比
|
8月前
|
人工智能 计算机视觉
HarmonyOS NEXT AI基础视觉服务-人脸识别
这是一个基于AI基础视觉服务的人脸识别案例,通过调用设备相册选择图片,利用MediaLibraryKit、ImageKit和CoreVisionKit等模块完成图像处理与人脸检测,并展示结构化结果。核心功能包括:相册访问授权、图像数据转换、人脸位置及特征点检测,最终以弹窗形式输出检测信息。代码涵盖模块导入、功能实现与UI构建,适合学习AI视觉应用开发流程。
|
5月前
|
人工智能 缓存 搜索推荐
手把手基于ModelScope MCP协议实现AI短视频创作:零代码自动化工作流
本文介绍了基于ModelScope MCP协议的AI视频生成解决方案,涵盖核心机制解析、零代码工作流搭建、性能优化策略及全链路异常处理。通过统一上下文描述符抽象异构AI服务,实现图像生成、语音合成与视频剪辑的自动化编排。结合缓存优化与错误重试机制,大幅提升生成效率(如5分镜视频从91.7s降至22.4s)。最后展示《夏日海滩》生成案例,并探讨个性化风格迁移与商业场景集成等进阶方向,揭示零代码本质为服务、流程与资源的三层抽象。
674 18
|
9月前
|
机器学习/深度学习 人工智能 自然语言处理
AI剧本生成与动画创作:能否成为短视频创作的革命性工具?
《AI剧本生成与动画创作》解决方案结合自然语言处理与深度学习技术,能自动生成剧本并转化为动画,极大提升创作效率,降低门槛。部署过程需约3小时,适合非专业用户快速响应热点内容。尽管在创意和细节上仍存不足,但已为短视频创作者提供高效路径,值得尝试。未来,随着技术进步,AI创作工具将带来更多惊喜。
299 10
AI剧本生成与动画创作:能否成为短视频创作的革命性工具?
|
8月前
|
人工智能 文字识别 计算机视觉
HarmonyOS NEXT AI基础视觉服务-文字识别
本案例展示了一款基于AI基础视觉服务的文字识别应用,通过调用设备相机拍摄照片并识别图片中的文字内容。主要实现步骤包括:1) 导入所需功能模块;2) 调用相机获取图片URI;3) 将图片转换为可识别的像素图;4) 配置视觉识别参数并执行文字识别;5) 构建界面组件,实现拍照与结果显示交互。核心要点涵盖相机权限、图像格式兼容及结构化识别结果处理,完整代码整合了各功能模块的调用流程,确保功能顺畅运行。
|
10月前
|
数据采集 人工智能 算法
Seer:上海 AI Lab 与北大联合开源端到端操作模型,结合视觉预测与动作执行信息,使机器人任务提升成功率43%
Seer是由上海AI实验室与北大等机构联合推出的端到端操作模型,结合视觉预测与动作执行,显著提升机器人任务成功率。
322 20
Seer:上海 AI Lab 与北大联合开源端到端操作模型,结合视觉预测与动作执行信息,使机器人任务提升成功率43%
|
9月前
|
人工智能 算法 Serverless
短视频创作助手 | AI剧本生成与动画创作
短视频行业的快速发展得益于移动互联网和智能手机的普及,4G、5G网络的推广使用户对视频内容的需求大增。短视频以其短小精悍、易于传播的特点迅速吸引了大量用户。平台如抖音、快手通过算法推荐和社交功能推动了用户增长和内容生态繁荣。AI剧本生成与动画创作方案则进一步降低了创作门槛,简化从剧本到视频成片的过程。该方案利用阿里云的大模型服务平台百炼、函数计算FC和对象存储OSS等产品,实现了自动化流程,涵盖故事剧本撰写、插图设计、声音合成至视频合成,极大缩短了创作周期,提高了内容产出速度。部署简单快捷,耗时约5分钟,使得非技术人员也能轻松上手,满足企业和个人创作者的需求。
|
9月前
|
机器学习/深度学习 人工智能 弹性计算
AI剧本生成与动画创作解决方案评测:这项技术能为短视频创作带来哪些改变?
随着短视频行业的竞争加剧,创作速度和质量成为关键。阿里云的《AI剧本生成与动画创作》解决方案利用NLP和计算机视觉技术,通过简单的关键词或主题自动生成剧本和动画,显著提高创作效率并降低技术门槛。评测显示,该方案能在几小时内完成从剧本到动画的创作,适应市场热点需求。然而,AI在创意表达和细节处理上仍有一定局限性,尤其在高要求创作中表现不如手工精细。尽管如此,对于需要快速响应市场的创作者来说,这一工具无疑是一个巨大的助力,未来有望进一步提升创作灵活性和效率。
349 3

热门文章

最新文章

下一篇
开通oss服务