# O4 · AI 比医生还会安慰人，那人还剩什么？ —— hb-short-video-script 版

> 参照：`03-短视频矩阵-提纲.md` v4.1｜目标时长：约 100–112 秒
> 生成方法：hb-short-video-script（8 维地基 + 逐句镜头标注）
> 内容边界：只使用纯文字共情实验、73%、9.8 倍、共情措辞 vs 共情在场；不使用行业名单、机器人/Moravec、艾灸对话、体面论、脑科学。

---

## 目标 / 受众 / 平台 / 转化目标

- **目标**：用一个反常识数据砸碎"情感是人类专属"的安全感，再重构成"在场才是护城河"。
- **受众**：担心被 AI 取代的职场人；靠温度吃饭的服务者；纯线上文字工作者（警告对象）。
- **平台**：视频号 / 抖音 / 小红书。
- **转化目标**：完播 + 评论（讲自己被安慰到的经历）。

## 八维评分

①冲突 **强**（同时反对两派：反"AI 冷冰冰没人味"，也反"情感是人类最后堡垒"的安慰剂）｜②反直觉 **强**（病人盲评 AI 比真人医生更有共情）｜③具体画面 **强**（73%、9.8 倍、三分钟看下一个号、手放肩膀、陪你把呼吸慢下来）｜④身份共鸣 **强**（靠温度吃饭的人被撑腰；隔屏打字安慰人的被点醒）｜⑤开头三秒 **强**（我+数据悬念+"人还剩什么"与我有关）｜⑥留人推进 **强**（数据→更狠的数据→我慌了→细节反转→重构→反向警告，每 30 秒必有新信息）｜⑦镜头动作 **已逐句标注**｜⑧结尾转化 **强**（单一评论引导）

## 标题候选

1. **AI 比医生还会安慰人，那人还剩什么？**（主推）
2. 73% 的病人觉得 AI 比真人医生更暖，我愣了半天
3. 连"安慰人"都输给 AI 了？我找到了实验里漏掉的一半
4. 病人盲评：AI 比医生更有人情味——但它赢得有点蹊跷
5. AI 已经学会了温柔，你的"人味"还值钱吗？

## 口播稿（逐句标注版）

**【0–12 秒】语速：慢 → 顿**（近景，直视镜头）

我最近翻到一个数据，／愣了半天。
一堆研究让病人盲评：**AI 和真人医生，谁更有人情味？**（花字：AI vs 真人医生）
结果——**七成三**的对比里，／赢的是 AI。（花字：73% AI 赢｜重音"七成三"，停顿）
连安慰人这件事人都输了，**那人还剩什么？**（近景+摊手）

**【12–35 秒】语速：快**（中景；插画面：论文/数据截图）

这不是孤例。／
有人把 **15 项研究**放在一起看，结论都一样：（花字：15 项研究）
病人普遍觉得，AI 的回复**更暖、更耐心**。
最狠的一项里，AI 被评"有共情"的比例，
是真人医生的 **9.8 倍**。（花字：9.8 倍｜重音，停顿）
原因你一听就懂：／
AI **不赶时间、不打断你、句句有安慰**；
真人医生呢，**三分钟**就得看下一个号。（插画面：医院叫号屏）

**【35–58 秒】语速：慢**（近景，情绪沉下来）

我一个被 AI 裁掉过一回的程序员，／对"还剩什么"这个问题特别敏感。
我当时第一反应是：**完了。**（花字：完了）
要是连"温度"都能被算出来，
咱们天天挂嘴边的"人味"，**还值几个钱？**
直到我注意到实验里一个细节——（停顿拉长，抛钩子）
这些研究，**全部是纯文字**。／（花字：全部是纯文字｜重音）
病人评的，不是一个人，是**屏幕上的一段话**。

**【58–82 秒】语速：中，逐句打点**（近景+手势）

这就说通了。／
AI 赢的，是**共情的措辞**。（花字：赢在"措辞"）
措辞是语言，本来就是它的主场，
它当然比一个累了一天的医生**写得更体贴**。
可共情还有另一半，**屏幕里装不下**：（重音，停顿）
不赶时间地，**坐在你旁边**；
你发抖的时候，**陪着你把呼吸慢下来**；（语速放到最慢）
一只手，**放在你肩膀上**。（手势：手落在自己肩上）
这一半，AI **一个字都给不了**。（花字：输在"在场"）

**【82–105 秒】语速：中快，收判断**（近景）

所以"人还剩什么"，我有答案了：
剩下的不是"会说暖话"——**暖话它比你会说**；（重音）
剩下的是：**你的安慰，必须你本人到场。**（花字：安慰，必须本人到场）
反过来讲也成立：／
要是你给人的温度，**全靠屏幕里打字送过去**，
那你得小心了——**那正是它最先拿下的地方**。（重音，停顿）

**【105–112 秒】CTA**（近景，放松）

评论区聊聊：你上一次**真被安慰到**，
是因为哪句话，／还是因为**谁在你身边**？（花字：一句话，还是一个人？）

## 分镜表

| 时间 | 景别 | 画面/动作 | 花字 |
|---|---|---|---|
| 0–12s | 近景 | 直视镜头，"七成三"处停顿摊手 | 73% AI 赢 |
| 12–35s | 中景 | 插论文截图、医院叫号屏 | 15 项研究／9.8 倍 |
| 35–58s | 近景 | 情绪下沉，"纯文字"处前倾 | 全部是纯文字 |
| 58–82s | 近景 | 手落肩膀，语速最慢段 | 赢在"措辞"／输在"在场" |
| 82–105s | 近景 | 收判断，节奏加快 | 安慰，必须本人到场 |
| 105–112s | 近景 | 放松微笑 | 一句话，还是一个人？ |

## 结尾引导（CTA）

只引导一次评论：讲讲"上一次真被安慰到，是一句话还是一个人在身边"，不叠加点赞或关注。

## 风险与待确认

- 73%、9.8 倍、15 项研究均出自素材汇总 5.1（npj Digital Medicine 荟萃分析等），口播用"我翻到一个数据/有人把 15 项研究放一起看"表述，不说"科学证明"。
- "被 AI 裁掉过一回"沿用既定人设表述（被裁，非被开除），无杜撰新事件。
- "三分钟看下一个号"是常识性场景描写，非引用具体研究；如担心较真可改"几分钟"。
- 全片不做"AI 永远学不会共情"的绝对承诺，只区分"措辞"与"在场"。

## 下一步

- 按 24h/72h/7d 窗口记录数据，均看目标 30–38 秒。
- 本条评论区若积累足够职业提问，为 O3 改造版（评论区过尺子）备料。

—— Fable