Vurt:把竖屏视频当作独立内容类型来做

Vurt主张将竖屏视频视为独立内容类型,而非横屏内容的格式变体。
主流流媒体平台正面临来自TikTok、Instagram等竖屏短视频平台的生存压力,纷纷尝试布局竖屏内容,但大多数策略本质上仍是将横屏逻辑强行套入竖屏框架。新兴玩家Vurt提出了一个关键的视角转变:竖屏不应被视为一种分发格式,而应被确立为一种拥有独特叙事语言的内容类型(genre)。竖屏天然以人物为中心、节奏更快、互动感更强,这些特性无法通过对横屏内容的简单裁剪来复刻。文章认为,流媒体行业的真正挑战不在于率先进入竖屏赛道,而在于能否从创作源头理解并尊重这一媒介的独特性,进而培育出属于竖屏的创作方法论与评价标准。
流媒体巨头的竖屏焦虑
从 Disney Plus 到 HBO Max,几乎所有主流流媒体服务都在尝试进入竖屏内容领域。原因并不难理解——以 TikTok、Instagram 为代表的视频社交平台,正被这些老牌公司视为生存层面的威胁。在这场争夺用户注意力的军备竞赛中,大厂们都在拼命寻找属于自己的位置。
问题在于,大多数尝试本质上仍是把传统横屏内容的逻辑硬塞进竖屏框架里,或者简单地复制 TikTok 的短视频模式。这种"追赶式"策略往往显得笨拙,既没有理解竖屏媒介的独特性,也没有真正打动在短视频环境中成长起来的新一代观众。

Vurt 的差异化思路
在这样的背景下,Vurt 提出了一个值得关注的观点:竖屏视频不应被当作对横屏内容的妥协或退让,而应被看作一种独立的内容类型(genre)。
这个定位的意义在于视角的转变。当下行业的普遍做法,是把竖屏当作一个"分发格式"——同样的故事、同样的拍摄语言,只是换个方向裁剪。而 Vurt 主张的,是从创作源头就按照竖屏的特性来构思和制作内容。竖屏天然适合近距离、以人物为中心的叙事,节奏更快、互动感更强,这些都不是横屏内容简单转制能够复刻的。
把竖屏视为一种类型,而不是一种格式,背后其实是对媒介本质的尊重。就像电影和电视剧虽然都是"视频",但在叙事结构、镜头语言和观看习惯上有着根本差异一样,竖屏也有资格建立起自己的创作范式。
从媒介理论的角度看,Vurt 的主张呼应了马歇尔·麦克卢汉(Marshall McLuhan)"媒介即信息"的经典命题——媒介本身的物理特性和传播结构,会深刻塑造内容的形态与受众的感知方式。竖屏的长宽比约为 9:16,与横屏的 16:9 相比,视野从宽广的景观视角转变为聚焦于单一主体的纵深感。这种比例天然压缩了背景信息,迫使画面向人脸、表情和肢体语言集中,形成一种更私密、更直接的"面对面"观感。这也解释了为何真人出镜的口播、Vlog 和情感类内容在竖屏上往往比叙事性剧情片更具吸引力——前者的创作逻辑本就以"人"而非"场景"为核心。
为什么这件事值得关注
竖屏内容的爆发并非偶然。移动设备是绝大多数人消费视频的主要入口,而手机的自然持握方式就是竖向的。TikTok 和 Instagram Reels 的成功,证明了竖屏不只是一个过渡形态,而是一种被用户用脚投票选出来的主流消费习惯。
老牌流媒体的困境在于,它们的内容库、制作流程、创作人才乃至商业模式,几乎都是围绕横屏打造的。要真正拥抱竖屏,意味着的不是加一个裁剪选项,而是重新思考什么样的故事适合竖屏、如何在竖屏里讲好故事、以及观众在竖屏场景下的注意力规律。
Vurt 的主张恰好点破了这层窗户纸:与其在旧框架里修修补补,不如承认竖屏是一种全新的创作语言,并以此为起点去探索它的可能性。
竖屏消费习惯的形成,也与"拇指滚动经济"(thumb economy)密切相关。用户单手握持手机时,注意力高度碎片化,平均决策是否继续观看的时间仅有1至3秒。这与传统影视内容预设的"沉浸式观看"状态截然不同——后者依赖观众提前投入注意力,并在相对固定的环境(影院、客厅)中完成观看。竖屏内容必须在极短时间内完成钩子(hook)设置,并在整个时长内持续维持高密度的信息或情绪刺激,否则用户会立刻划走。这套注意力规律催生出了独特的剪辑节奏、字幕设计和开场结构,已与横屏创作形成了系统性差异,而非仅仅是画幅方向的不同。
对行业的启示
如果竖屏真的被确立为一种独立类型,那么它会催生出属于自己的创作方法论、评价标准乃至明星创作者。这对平台方意味着需要培养或引入理解这一媒介的人才,对创作者则意味着一片尚未被充分开垦的空间。
当然,这个理念能否落地,仍要看 Vurt 及类似玩家能否拿出真正区别于传统内容的作品。单纯喊出"竖屏是一种类型"的口号容易,难的是用实际内容去定义这个类型的边界与标准。注意力争夺战的最终胜负,不取决于谁最先进入竖屏,而取决于谁最懂竖屏。
相关推荐

3分钟看懂DeepSeek:从量化私募到开源AI领跑者的崛起之路
3分钟看懂DeepSeek发展史:从幻方量化的算力积累,到V2的MLA推理降本、V3的557.6万美元训练账单、R1开源引爆全球,再到V4与70亿美元A轮融资,梳理深度求索的关键节点与技术路线。

本地文学创作模型PK:Qwen3.8 27B微调版胜出,DeepSeek v4.1表现平淡
B站UP主横向测评七款本地文学创作模型:海明威、HumanLike Chat基于Qwen3.8 27B微调表现最佳,DeepSeek v4.1叙事平淡,东方朔角色混乱垫底。附三道测试题评分与使用建议。

梁文锋的三次豪赌:DeepSeek为何将82%毛利开源?
DeepSeek为何把82%毛利的推理框架DeepInfer开源,又启动千亿融资?从技术路线、国产芯片到组织纯粹性,解析梁文锋的三次豪赌与开源战略背后的商业与理想逻辑。