零售电商的直播回放是低成本素材，但利用率长期偏低：一场 4 小时的回放要剪出可投放的切片，剪辑师得先倍速刷完整场，判断依据基本靠经验。实验室本期把这件事拆成一个时序打分问题来做实验。
思路是把直播回放看成多路对齐的时间序列：弹幕密度与关键词、评论情感极性、加购与下单事件、主播语速与音高，再叠加 ASR 转写后的讲品段落切分。模型不直接生成视频，而是输出候选区间的起止点与理由标签（如「价格揭晓」「对比演示」「异议回应」），由剪辑师做最终取舍。
阶段性进展：
1）在内部约 60 场回放的小样本上，候选片段的前三位命中率达到可用的水平，剪辑师的初筛时间明显缩短，采纳率约七成，误报集中在抽奖与闲聊段落；
2）切点评分与「加购事件前 30 秒」的时序错位是主要误差源，我们已把事件对齐窗口由固定值改为按品类自适应。
下一步计划：接入商品知识库，对候选片段做讲品要点与合规用语的校验，避免剪出与在售规格不符的口播；同时扩充跨品类样本，验证打分模型在美妆、服饰、家电上的迁移表现。
评论