欢笑、共鸣、参与：面向短视频的风格化评论生成
机器学习
2025-11-07 v1 人工智能
摘要
短视频平台已成为现代互联网格局中的核心媒介，其高效的信息传递与强交互性正在重塑用户参与和文化传播。在各种用户交互形式中，评论在促进社区参与和实现内容再创作方面发挥着至关重要的作用。然而，生成既符合平台规范，又能展现风格多样性和上下文感知的评论仍然是一项重大挑战。我们引入了 LOLGORITHM，这是一个为可控短视频评论生成而设计的模块化多智能体系统（MAS）。该系统集成了视频分割、上下文与情感分析以及风格感知的提示构建。它支持六种不同的评论风格：双关（谐音）、押韵、梗使用、讽刺（反语）、平实幽默和内容提取。在多模态大型语言模型（MLLM）的驱动下，LOLGORITHM 直接处理视频输入，并通过显式提示标记和少样本示例实现细粒度的风格控制。为了支持开发和评估，我们使用来自抖音（中文）和 YouTube（英文）的官方 API 构建了一个双语数据集，涵盖五种流行的视频类型：喜剧小品、日常生活笑话、搞笑动物片段、幽默解说和脱口秀。评估结合了原创性、相关性和风格一致性的自动化指标，以及涉及 40 个视频和 105 名参与者的大规模人类偏好研究。结果表明，LOLGORITHM 显著优于基线模型，在抖音上的偏好率超过 90%，在 YouTube 上达到 87.55%。这项工作为短视频平台上的风格化评论生成提供了一个可扩展且具有文化适应性的框架，为增强用户参与和创造性交互提供了一条有前景的路径。
引用
@article{arxiv.2511.03757,
title = {Laugh, Relate, Engage: Stylized Comment Generation for Short Videos},
author = {Xuan Ouyang and Senan Wang and Bouzhou Wang and Siyuan Xiahou and Jinrong Zhou and Yuekang Li},
journal= {arXiv preprint arXiv:2511.03757},
year = {2025}
}