NeuroVidz

嘿，Product Hunt —— 我们是 Uddalak 和 Shivam，NeuroVidz 背后的团队（在我们的工作室 Sandmatter 构建）。

我们做这个是为了回答每个创作者都问过的问题：这个片段在发布之前会怎样？分析工具告诉你发布后发生了什么；我们希望在还有时间编辑的时候就能获得这种洞察。

NeuroVidz 像大脑体验它一样分析一个片段。每一秒都被提炼成感知信号——运动、面部、节奏、声音——并映射到一个七网络模型，模拟大脑如何反应。你会得到一个参与度评分，显示其组成部分，一个逐秒的情绪时间线，以及清晰、带有时间戳的下一次编辑建议。

我们最引以为豪的部分：它能听。大多数工具只关注画面；NeuroVidz 还能听到音乐、停顿和表达——因此播客、歌曲和语音驱动的片段能获得反映听众真实感受的解读。

诚实是设计原则：当信号太弱无法自信读取时，它会显示“无法清晰读取”——并自动退还这些额度。你永远不会为我们不认可的结果付费。

它今天上线了——免费开始，无需信用卡。前50个创始账户获得40个额度和一个创始徽章；之后的每个账户从20个额度开始。你也可以不用创建账户就探索完整的示例结果：neurovidz.com/c/sample

我们俩今天一整天都在，非常重视你的反馈：什么能让它成为你日常使用的工具？

对于视频创作者来说，这是一个迷人的角度——大多数分析工具告诉你发生了什么（观看量、流失点），但没说为什么。好奇这里实际测量的是什么：是通过视觉/音频特征建模预测神经反应，还是你有真实的EEG/biometric数据来喂养模型？这种区别对于我作为创作者决定剪掉什么时对输出的信任程度影响很大。

看到了你下面给 Aidan 的回复——感谢直接回答，说这是一个基于已发表神经影像权重的正向模型，而不是拟合真实留存数据。真诚追问：如果没有针对实际观众留存进行验证，有什么证据表明参与度评分与真实观众行为相关，而不是仅仅内部自洽？问这个是因为“刺激驱动，而非观众特定”很诚实，但也意味着评分可能自信地错误，而退款政策无法捕捉这种错误。

音频感知的角度确实有趣，因为很多工具忽略了声音方面。不过有一件事能帮助我决定是否值得长期使用，那就是某种对比视图，这样我可以拖入同一段片段的两个版本，看看参与度评分和情绪时间线到底有什么不同。这会让建议感觉更有操作性，而不仅仅是一个真空中的分数。

我喜欢这款产品明确说明了它测量什么，同样重要的是，它不声称预测什么。承认不确定性的工具通常比那些总是返回自信分数的工具要有用得多。

我特别想要的一个功能是能并排比较同一片段的两个版本，这样就能看到重新剪辑如何改变了参与度得分和情感时间线。这会大大简化对钩子和缩略图进行 A/B 测试。