AI 科普横屏长视频「脚本层」与「收尾层」工程补充

说明：本次调研全程用 firecrawl 搜索工具因服务端持续 502 无法使用（已重试 5 次以上），改用 WebFetch 抓取 DuckDuckGo HTML 结果页 + 逐页抓取正文的方式完成调研。部分页面（知乎多篇、百度文库部分页）因反爬返回 403 未能抓到原文，已用同主题的镜像/转载文章替代，并在对应条目标注。查不到可靠数字来源的地方，已明确写「未找到可靠来源」，不编造。

---

#1. 口播脚本的结构模板

#1.1 通用骨架：Hook → 价值 → 行动（三段式）

来源：海螺社博客《口播稿怎么写？一套能直接套用的短视频脚本结构：钩子+价值+行动》 https://www.hailuoshe.com/blog/oral-broadcast-script-structure

原文给出的经验值：一分钟口播控制在 300 字左右（对应下文第 2 节的语速数据可互相印证）。

#1.2 黄金三秒的 4 种钩子模板（同上来源）

#1.3 科普长视频专用的完整六段模板（综合多个模板，可直接套用于 8-25 分钟横屏科普视频）

综合第 1.1/1.2 及下方 1.4 的 10 种结构，针对科普长视频（区别于短视频口播）整理出一个可执行的六段骨架：

该六段模板是基于 1.1-1.4 中查到的多个短视频/口播脚本框架，按用户题目要求的"Hook→问题→铺垫→核心→回扣→CTA"结构外推整理，未查到专门针对"8/15/25 分钟横屏科普长视频"的公开分钟级模板，此处的占比是从口播三段式（钩子 1 句/价值 70%/行动 1 句）和下方 10 种结构的通用规律推算得出，供参考，非行业标准数字。

#1.4 10 种可直接套用的口播结构模板（完整清单）

来源（同一篇文章的两个转载版本，互相印证）：

• 人人都是产品经理：https://www.woshipm.com/share/6373232.html
• 运营派：https://www.yunyingpai.com/news/1059562.html

#1.5 科普专用四段结构

来源：海螺社博客《短视频脚本与文案怎么写》 https://www.hailuoshe.com/blog/script 原文提到有一套"科普脚本 4 段结构，把专业内容讲到小白能听懂"，包含"术语转大白话的手法"，但页面未展开具体每段名称（只给了结论性描述，未抓到分段细节）。可与本节 1.3 的六段模板配合使用。

---

#2. 中文口播语速的真实数字

#2.1 结论先行

不同来源给出的数字差异，本质是统计口径不同：

1. 播音专业"标准播音速度"（新闻联播式播音，字正腔圆、单位时间信息密度高）：250-260 字/分钟为公认基准，个别主播可达 280-350 字/分钟。
2. 短视频口播/自媒体经验值：约 300 字/分钟（海螺社博客给出的口播脚本经验值，见第 1 节）。
3. 口语聊天/科普讲解的"自然语速"（更松弛、有停顿）：通常低于播音标准，约 200-220 字/分钟区间（此区间未找到统一的权威单一来源，是多篇播音教学文章交叉印证的经验范围，见下）。

差异来源主要是：①是否算标点停顿（播音训练常以"净说话时间"计算，去除换气停顿会显著推高字/分钟数值）；②内容类型（新闻类快、专题片/讲解类慢，同一篇稿子里人名数字核心内容也要求放慢）；③时代变化（下表可见播音语速逐年代显著提升）。

#2.2 播音语速的历史变化与专业标准

来源：知乎《广播新闻类主持人的语速为何越来越快？》转载版 https://www.sohu.com/a/394017884_120411509

央视播音员实例（同一来源）：张宏民 350 字/分钟、邢质斌 329 字/分钟、罗京 280 字/分钟。

建议标准：文章引用的研究认为，"人耳的接受程度（辨析率）是每秒 4-5 个字，即每分钟 240-250 字"，因此每分钟 250-260 字比较适宜，语速过快会造成理解压力。

来源二（同主题另一篇）：知乎《播音的语速到底多少合适？》转载版，同样给出 250-260 字/分钟为核心标准，并补充灵活调整规则：

• 特稿类稿件比消息类播得慢
• 重大声明/突发事件播得慢；通知类通稿可播快些
• 陌生内容、新知识播得慢
• 讣告类用慢速表达悲痛，喜庆节目用快速呼应气氛
• 同一篇稿件中，人名、数字、核心内容要比通篇稍微放慢（这一条对科普口播尤其重要——专业术语、数据、结论句都应刻意放慢）

未找到单一的、专门针对"中文科普/知识区口播"的官方语速研究数字（B站/YouTube 创作者学院均未公开发布过此类统计）。180-220/200-260/220-280 这几种坊间说法，本质都是在"250-260 播音标准"基础上，按内容口语化程度、是否含大量停顿、是否讲解复杂概念做的经验性上下浮动，没有找到能仲裁哪个更准的权威第三方测评。

#2.3 建议：科普长视频取值与分钟-字数换算

综合以上，科普口播（比新闻播音更松弛、需要给听众消化时间，但比日常聊天更紧凑）建议取 220-250 字/分钟作为脚本字数估算基准（不含 CTA 环节可能出现的空拍时间）：

注：以上字数区间为按 2.2 节查证的 250-260 播音标准，向下取整到更适合"讲解型科普"的 220-250 区间后推算得出的工程估算值，不是某个单一来源直接给出的"科普口播专用数字"，正式排期前建议用实际配音引擎（TTS 或人声）跑一遍 30 秒-1 分钟样本稿反推真实语速再校准。

#2.4 英文 WPM 对照

来源：LingoChampion《Average Speaking Speed in YouTube Videos by Language and Category》 https://lingochampion.com/en-US/research/wpm-statistics/ （方法论：基于 YouTube 字幕分析 23 个频道 63 条视频，覆盖 11 种语言，采集于 2026-01-07；不含中文/普通话数据）

停顿判定方法：字幕间隔超过"该视频字幕间隔中位数的 2 倍，或 1.5 秒，取两者较大值"即视为停顿。Tech 类目 200 WPM 可作为英文科普讲解型视频的参考基准，比中文 220-250 字/分钟的换算比例（中英文信息密度不同，不能直接类比字数）更贴近"知识密度较高、讲解型"内容的语速特征。

---

#3. 口播稿 vs 书面稿：可执行改写规则清单

#3.1 核心认知（来源：搜狐《短视频口播文案改写指令分析》https://www.sohu.com/a/1010913226_122637087）

"文章是给眼睛看的，口播是给耳朵听的" —— 是感知路径的重新设计，不是简单的文体转换。

五条可执行规则：

1. 钩子重设计：钩子要回答"观众凭什么此刻停下来听你说话"，结构 = 利益或威胁 + 立刻发生感。
2. 信息颗粒度拆细：把每一个"需要解析的地方"拆开，确保每一小块能被即时消化——不是简单加语气词，而是重新切分信息单元。
3. 情绪密度适配：不同领域要匹配观众的预期情绪密度（如财经类需要"紧迫感"），调整的是情绪浓度而非仅仅语气词。
4. 一句话删减测试：对每句话自问"这个信息如果拿掉，观众会不会听不懂后面的内容？"——背景信息和延伸解释在口播里是噪音，能删就删。
5. 结尾从情绪里生长：互动引导（CTA）要跟观众听完后的情绪状态对齐，不能生硬拼接。

#3.2 零基础改写三步法（来源：海螺社博客，见 1.1）

• 读出声改稿：把稿子读一遍，拗口的长句直接拆短（判定标准就是"读的时候会不会喘不上气/绕口"）。
• 名词换动作：把抽象名词换成具体动作/画面（例如"提升效率"→"少走三步路"）。
• 加"你"和场景：直接对话观众、给出具体场景，增强代入感（例如把"用户"改成"你"）。

#3.3 具体改写映射清单（工程手册可直接套用）

综合本节及上文来源整理出的可执行改写对照表（部分为通用书面语转口语的行业常识，标注"经验规则"）：

说明：以上表格中"如下图所示""数字怎么念""术语首次出现"三条是根据用户题目明确要求、结合查到的播音语速/口语化改写原理综合推导的工程规则，未找到专门列出这三条的单篇权威文章；"删除连接词""被动转主动"参考了第 5 节 AI 味清单的反向应用。

---

#4. 分镜（Shot List）的工具化做法

#4.1 最小可用的 6 栏分镜表（中文科普/短视频场景）

来源：海螺社博客 https://www.hailuoshe.com/blog/script

"一张 6 栏的分镜表"：镜号 / 景别 / 画面内容 / 台词 / 运镜 / 时长

这是国内短视频行业最常见的轻量分镜表字段，适合科普长视频这种"脚本驱动画面"的制作模式（先定口播稿的句子，再给每句配对应镜头）。

#4.2 专业级字段（StudioBinder 标准，适合更复杂的多机位/实拍项目）

来源：StudioBinder《Shot List Template — Free Download》 https://www.studiobinder.com/blog/shot-list-template-free-download/

核心字段：Scene Number（场次号）/ Shot Number（镜号）/ Shot Description（镜头描述）/ Shot Size（景别，如特写/中景）/ Shot Type-Camera Angle（机位角度，如平视/俯拍/仰拍）/ Camera Movement（运镜，如固定/摇/移/推）

进阶字段：Status（完成状态）/ Subject（拍摄主体）/ VFX（特效备注）/ Camera（机型）/ Equipment（辅助设备如三脚架/摇臂）/ Lens（镜头焦段）/ Frame Rate（帧率：正常/慢动作/快动作）/ Sound（收音方式：吊杆/领夹麦/MOS 静音）/ Lighting（灯光备注）/ Location（拍摄地点）/ Prep Time & Shoot Time（准备/拍摄用时）/ Start Time（排期起始时间）/ Camera Setup（机位变更标记）/ Notes（备注）/ Color Coding（颜色分类）/ Reference Image（参考图/分镜草图）

对纯图形化科普长视频（Remotion/Manim 生成画面，没有实拍）而言，可以精简为：镜号 / 对应口播句 / 时长(秒) / 画面类型(图表/动画/实拍素材/文字卡) / 素材来源或 Prompt / 运镜或转场 / 备注，本质是把 StudioBinder 的实拍字段替换成"素材来源"字段。

#4.3 工具化/AI 辅助做法

• Notion 模板：Notion 官方模板市场有现成的 Shot List 数据库模板（字段未能抓取到详情，页面为营销落地页）：
  • https://www.notion.com/templates/shot-list
  • https://www.notion.com/templates/shotlist
• Boords（专业分镜软件，SaaS）：支持"故事板一键生成分镜表"——"Turn Storyboards into Shot Lists Automatically"，将客户确认的故事板一键转为生产用分镜表，导出到 Google Sheets，声称可省去"重复录入"。也提供 AI Storyboard Generator（脚本→故事板）。 https://boords.com/shot-list-software　https://boords.com/ai-storyboard-generator
• JSON/表格驱动做法：搜索中发现开源的"AI 短剧分镜包"项目（GitHub，clipcurator 组织），用结构化 JSON/模板包管理短剧分镜，思路可迁移到科普长视频的"脚本→JSON 分镜→Remotion 组件参数"自动化流水线： https://github.com/clipcurator/ai-short-drama-storyboard-shot-packs https://github.com/clipcurator/ai-drama-shot-list-templates （注：这两个仓库具体实现未逐行核实，仅作为"JSON 驱动分镜"思路的存在性佐证，实际落地前建议自行查看仓库代码质量。）

工程建议：科普长视频用 Remotion 做画面引擎时，分镜表最实用的落地形式就是一个 JSON/CSV 数组，每个元素对应一个 <Sequence>，字段取 4.2 的精简版（镜号/口播句/时长/画面类型/素材来源/备注），可以直接被脚本读取驱动 Remotion 渲染参数，不需要额外的分镜软件。

---

#5. "AI 味"的具体特征与去除方法

这是查到资料最系统的一节，来自三个独立信源，交叉验证后总结如下：

#5.1 检测原理（中文，来源：CSDN《AI 生成的文章如何"去 AI 味"？检测原理与自动化改写实战》

https://blog.csdn.net/haoxinpoju/article/details/161653000）

AI 文本的 6 个可检测维度：

1. 困惑度（Perplexity）低：AI 总是选概率最高的词，人类用词更跳跃、更不可预测。
2. 突发性（Burstiness）低：人类文本"短句和长句交替出现"，AI 生成的句子长度更均匀（可用句长标准差量化）。
3. 结构指纹：过渡词滥用（"然而、此外、值得注意的是、综上所述"）、段落开头模式化、对称结构癖好（"不仅…而且…"）、总是以总结性结尾收尾。
4. 词汇分布偏差（AI 高频词）："深入探讨、全面解析、旨在、至关重要、不可或缺、显著提升"。
5. 标点格式模式：AI 很少在段落结尾不加标点，倾向使用"完整"的标点组合。
6. 语义一致性过高：AI 文本连贯性"过于完美"，不会像人类一样跑题、插入个人轶事。

#5.2 中文可直接套用的替换表（同上来源）

#5.3 六大改写策略（同上来源）

#5.4 英文场景的系统规则清单（来源：《Stop Slop》去 AI 味规则指南

https://txtmix.com/posts/tech/hardikpandya-stop-slop-ai-writing-pattern-skill-guide/）

词汇层禁用清单：

• 清嗓式开场（Throat-clearing openers）："Here's the thing:" / "It turns out" / "Let me be clear" / "The real [X] is" → 直接删除，从第一句就进入内容。
• 空转强调词（Emphasis crutches）："Full stop." / "Let that sink in." / "This matters because" → 全部删除，无信息量。
• 企业套话："navigate (challenges)"→handle，"unpack (analysis)"→explain，"lean into"→accept，"deep dive"→analysis，"circle back"→return to。
• 16 个禁用副词："really / just / literally / genuinely / honestly / simply / actually" 等 → 全删，不留。
• 模糊声明："The reasons are structural" / "The implications are significant" / "The stakes are high" → 只说"重要"不说具体内容是空话，要具象化。

句式层套路：

• 二元对比句："Not because X. Because Y." / "[X] isn't the problem. [Y] is." → 直接说 Y，跳过否定部分。
• 负面排比列表："Not a X... Not a Y... A Z." → 跳过连续否定，直接陈述。
• 修辞预告句："What if [reframe]?" / "Here's what I mean:" / "Think about it:" → 直接说观点，删除铺垫脚手架。

句子硬约束（可作为科普口播稿的自查规则）：

• 不用 Wh- 疑问句开头做修辞（What/When/Where/Which/Who/Why/How 开头的"假提问"）
• 不用破折号（em dash）
• 不用被动语态
• 避免极端词（every / always / never / nobody / everybody）

结构层套路：

• 戏剧碎片化："[Noun]. That's it. That's the [thing]." / "X. And Y. And Z." → 合并成完整陈述句。
• 虚假主语：用"The decision emerges"这种回避主语的说法 → 点名具体执行者。
• 段落收尾雷同：避免每段都用"punchy one-liner"式金句收尾，每段换一种收尾方式。

5 维自评评分卡：Directness（直接度）/ Rhythm（节奏感）/ Trust（可信度）/ Authenticity（真实感）/ Density（信息密度），总分要求 ≥ 35/50。

#5.5 结构/修辞层的 AI 味特征（来源：aitoolly《LLM Smells》

https://aitoolly.com/zh/ai-news/article/2026-05-29-the-rise-of-llm-smells-identifying-the-predictable-patterns-of-ai-generated-content-and-web-design）

• 特定句式："不仅是 X，更是 Y"、"X 是 Z 的 Y"
• 金句过载："对称性变成了陷阱"——"人类信任对称性，因为它感觉像是可见的智能"，AI 偏爱制造工整的排比金句，但过度使用会显得刻意。
• 连续短句强调制造语气（如"然而倾斜并非偶然。它是最优化的形状。"）——这种手法本身不是问题，问题是使用频率过高、每段都用。
• 过度使用"富有哲理但略显刻意的结论"句式，是科普脚本收尾最容易踩的坑（对应本文第 1.3 节⑤"回扣"环节要避免空洞升华）。

#5.6 落地到科普口播稿的检查清单

结合以上三个信源，整理出可直接用于自查/AI 改写 Prompt 的清单：

• 全文过渡词是否只剩"然而/此外/值得注意的是/综上所述"这几个？（超过 2 次出现即需替换）
• 是否每一段都用"总结性金句"收尾？（超过 60% 段落如此即为 AI 味信号）
• 句长方差是否过低？（读一遍，如果每句话字数都接近，故意插入几句 5-10 字的短句打断节奏）
• 是否出现"深入探讨/全面解析/旨在/至关重要/不可或缺/显著提升"等高频 AI 词？
• 是否用"不仅…更是…""不仅是 X，更是 Y"这类对称排比句超过 2 次？
• 数据/结论是否够具体？（"性能有提升"这类空话必须替换为具体数字）
• 结尾是否是"这提醒我们……"式空洞升华？（应替换为第 1.3 节的"回扣 Hook"做法：呼应开场悬念，给出具体的"所以呢"）

---

#6. 封面与元数据

#6.1 YouTube 封面（Thumbnail）规格

来源：vidIQ《YouTube Thumbnail Design Tips: Best Practices》 https://vidiq.com/blog/post/youtube-thumbnail-design-tips/

技术规格：

• 分辨率 1280×720 px，宽高比 16:9，最小宽度 640px，文件 <2MB，格式 JPG/PNG/GIF（PNG 因文字/图形更锐利被推荐）。

设计套路：

• 文字控制在 3-5 个词以内，避免放在右下角（会被时长标签遮挡）；用粗黑无衬线字体，加描边/阴影/色块背景保证可读性。
• 人脸出现率高：数据显示 69% 的爆款视频用了人脸，头部创作者中这一比例高达 80%；表情要真实自然而非夸张（只有约 5% 的头部视频用了夸张表情）；人脸占画面 1/4 到 1/3。
• 保持单一视觉焦点，避免杂乱。
• 配色要用高对比、互相"打架"而非融合的颜色；避免红/白/黑（会和 YouTube 界面本身的配色融合），偏好橙/青/黄/紫做区分。
• 移动端优先设计（YouTube 大部分观看时长来自手机），人脸和关键文字要避开画面边缘，防止被裁切。

#6.2 YouTube 章节（Chapters/时间戳）格式要求

来源：YouTube 官方帮助文档 https://support.google.com/youtube/answer/9884579

• 第一个时间戳必须从 00:00 开始（原文："Make sure that the first timestamp you list starts with 00:00."）
• 至少需要 3 个时间戳，按升序排列（"Your video should have at least three timestamps listed in ascending order."）
• 每个章节最短时长 10 秒（"The minimum length for video chapters is 10 seconds."）
• 时间戳格式为 MM:SS（或超过 1 小时用 HH:MM:SS），需在视频描述里按升序列出"时间戳 + 标题"
• 手动添加的章节会覆盖 YouTube 自动生成的章节

#6.3 YouTube 上传前清单（选取与本项目最相关部分）

来源：CollabPals《YouTube Upload Checklist 2026: 30+ Steps》 https://www.collabpals.com/tools/youtube-upload-checklist

• 标题：建议 70 字符以内，关键词前置
• 描述：前两行要有钩子，附时间戳、链接、关键词、Hashtag、CTA
• 标签：5-15 个，从主关键词开始
• 封面：自定义上传 1280×720，文字可读、高对比、品牌一致
• 片尾卡：订阅按钮 + 视频链接，配合口播里的语音 CTA 同步出现
• 字幕：上传字幕文件或复核自动字幕、检查语言设置
• 设置：儿童内容标记、分类、评论区、变现、版权检查
• 常被漏掉的步骤（文章特别强调）：文件命名优化、等待 HD 处理完成再发布、置顶首条评论、口播里的 CTA 要和片尾卡时间对齐

#6.4 B站分P与"看点"功能

分P：知乎《B站上如何把同类视频做成分P合集》 https://zhuanlan.zhihu.com/p/567615709 用于把一个系列/多集内容打包在同一个投稿下，PC 端网页投稿时可在上传页添加多个分P，用户在同一个播放页通过右侧列表切换集数，适合科普系列课程或长视频拆条发布场景。（该文章为网页版投稿流程教学，未深入运营策略层面，具体操作步骤建议直接看创作中心投稿页。）

看点：其功能定位为B站官方对标 YouTube Chapters 的"进度条分段导航"功能——用于"标注出视频的分段和看点，方便粉丝快速找到感兴趣的内容"，创作者可在视频进度条下方添加类似目录的结构标记，用户可通过进度条模块直接跳转到感兴趣的分段。（来源为综合检索结果的归纳描述，未抓到 B站创作学院官方原文页面的具体操作步骤和字段限制，建议正式使用前到"创作学院"后台核实最新交互路径：https://member.bilibili.com/academy/）

#6.5 AI 生成内容标识（发布合规，中国大陆平台强制要求）

来源：中央网信办等四部门《人工智能生成合成内容标识办法》官方通知 https://www.cac.gov.cn/2025-03/14/c_1743654684782215.htm

• 显式标识（视频类）：须在视频起始画面和播放周边的适当位置添加显著提示标识，可以在视频末尾和中间适当位置追加显著提示标识。
• 隐式标识：服务提供者应在生成合成内容的文件元数据中添加隐式标识，包含内容属性信息、服务提供者名称/编码、内容编号等；鼓励采用数字水印。
• 必须标识的情形：属于《深度合成管理规定》第十七条第一款所列情形的所有视频生成合成内容（涉及深度合成人脸、语音等生成合成技术）。
• 可不加显式标识的情形：用户申请且通过协议明确责任、服务提供者留存相关日志不少于 6 个月的，可提供不含显式标识的内容（第九条）。

这一条直接对应用户 checklist 里的"AI 标识"项：只要视频用了 AI 配音（TTS）/AI 生成画面，理论上都落在需要显式+隐式标识的范围内，正式上线前需要在片头/片尾加"本视频内容由人工智能生成"字样。

---

#7. 横屏长视频切竖屏短视频引流 + 一稿多用

#7.1 自动切片工具对比

工程建议：如果团队已经有 WhisperX 做时间轴对齐（前序调研已覆盖），Clipsai 是最省钱的路线——同样基于 WhisperX，自己部署零边际成本；如果不想自建 pipeline，Opus Clip 的 $15/150 分钟入门档性价比最高。

#7.2 一稿多用：视频转公众号/博客文章

方案一（转录+改写一体化 SaaS，中文场景）：来源：https://www.resohub.net/zt/2025/07/18/ai-media2doc-video-to-article-tool/ 工具"提词匠"（微信小程序）流程：上传本地视频/音频或粘贴公开视频链接（支持 8 种视频格式、8 种音频格式、100+ 国内平台链接直接提取）→ 约 5 秒-十几秒出转录初稿（识别准确率宣称 95%+）→ 内置智能改写做口语转书面语的润色 → 导出 TXT/Word/带时间戳 SRT。单文件上限 120 分钟、500MB。

方案二（开源工具）：搜索中出现"AI-Media2Doc"开源项目，用于把视频转成小红书/公众号图文，具体实现细节未逐行核实，仅作为存在性参考。

工程建议：科普长视频"一稿多用"的最短路径是——口播稿本身就是最好的文章底稿（不需要再从视频转录一遍）。发布流程建议是：先写口播稿 → 渲染视频 → 口播稿去掉画面指代词（"你看这张图"之类）+ 补回图片/图表 → 直接发公众号/博客，比"转录视频再改写"更省一道 ASR 误差。转录方案只在"临场发挥、没有逐字稿"的场景下才有必要。

---

#8. 成片前质检清单（Checklist）

综合 CollabPals 清单（https://www.collabpals.com/tools/youtube-upload-checklist）、YouTube 官方章节规范、AI 标识合规要求，以及前序调研已覆盖的音画同步/响度/编码规格类目，整理成一份可直接勾选的成片前 checklist：

#内容与合规

• AI 生成内容标识：片头/片尾是否加了"本内容由人工智能生成"类显式标识（见 6.5，中国大陆平台强制要求）
• 素材授权：所有配图/音乐/素材是否有可商用授权，或来自 CC0/自有素材库
• 引用/数据来源：视频里出现的关键数据、结论是否可追溯到来源（建议在描述区列参考文献）

#音画质量

• 音画同步：口播音轨与画面动作（尤其是关键词高亮、图表出现时机）无肉眼可见的错位
• 响度：整体响度是否符合目标平台标准（前序调研已覆盖具体 LUFS 数值，此处不重复）
• 字幕：是否有错别字、时间轴漂移；专业术语/人名是否拼写一致
• 空拍/卡顿：TTS 拼接处/剪辑点是否有不自然停顿

#结构与脚本

• 是否有"AI 味"残留：过渡词滥用、每段总结式收尾、高频 AI 词（见第 5 节清单）
• Hook 是否在开场 3-5 秒内出现（见第 1 节）
• 结尾是否回扣了开场悬念，CTA 是否只有一个明确动作

#编码与规格

• 分辨率/编码/帧率是否符合目标平台规格（前序调研已覆盖，此处不重复）
• 文件命名是否规范（CollabPals 清单特别提到这是常被漏掉的一项）

#封面与元数据

• 封面：1280×720，文字 3-5 词以内，人脸占比 1/4-1/3（若有出镜/拟人形象），高对比配色（见 6.1）
• 标题：70 字符以内，核心关键词前置
• 描述：前两行有钩子，附时间戳章节、参考链接
• 章节（Chapters）：第一条必须 00:00 开始，至少 3 条，每条时长 ≥10 秒（见 6.2，格式不合规会导致 YouTube 不生效）
• B站补充：分P/看点是否设置（长视频拆条或多集科普课程场景）
• 标签：5-15 个，主关键词优先

#发布前最后一遍

• HD 处理是否完成再设为公开（CollabPals 特别提示的常见错误）
• 首条评论是否置顶（引导讨论方向）
• 片尾卡的语音 CTA 与画面 CTA 是否时间对齐

---

#未找到可靠来源的部分（如实列出，不编造）

• 专门针对"中文科普/知识区口播"的官方语速统计数字（180-220/200-260/220-280 具体哪个更准）——未找到权威第三方测评仲裁，本文档给出的是基于播音标准 250-260 字/分钟交叉推算的工程估算值。
• "8/15/25 分钟科普长视频"分钟级脚本结构占比的官方模板——未查到专门文档，第 1.3 节为综合短视频口播框架外推整理，已在文中标注。
• Notion 官方 Shot List 模板的具体字段列表——页面为营销落地页，未抓到字段详情，改用 StudioBinder 的详细字段列表替代。
• Riverside Magic Clips 的具体额度/单独定价——官网定价页未拆分披露，需联系销售。
• B站"看点"功能的官方操作步骤与字段限制（创作学院原文页面未抓取成功）——已用综合检索结果的功能定位描述替代，建议正式使用前登录创作学院后台核实最新交互。
• 科普脚本"4 段结构"的具体每段名称（海螺社博客只给了结论性描述"科普脚本4段结构，把专业内容讲到小白能听懂"，未展开每段细节）。

来源：沉淀/AI科普长视频-原始调研报告/端到端工程补充.md（整理于 2026-08-18）