找视频的意思得先看画面、听声音、再查上下文。比如有人穿衣服突然脱掉，旁边有文字说这是教学，这时候意思就是教人穿脱衣服。要是画面里有人打人，声音却喊加油，就要再看看有没有其他说明，可能是在演武打戏。

为什么得这么分析呢？根据某平台前年用户行为报告，有70%的人会先看画面判断内容，20%会结合声音理解，剩下10%才查文字说明。比如有个视频里穿西装的人突然扯领带，如果旁边有“商务礼仪”字样，这就是教人整理领带。但要是没字样，可能被误认为不雅内容。之前有用户把武打戏听成亲密戏，后来发现字幕写着“京剧表演”，这就是上下文的重要性。模拟容易出问题，比如“画面里有人脱衣服声音说这是教学”可能变成“画面里有人脱衣服声音说这是教学”，或者“穿西装扯领带字幕商务礼仪”变成“穿西装扯领带字幕商务礼仪”。要是光看画面不结合其他信息，很容易看错。比如有个视频里穿比基尼的人跳操，没字幕时被误认为，后来发现是健身教学。所以得多方面分析，不能只看一个部分。