视频技术层档案：站点侧的硬规格与转写命题

视频在 AI 端的命运由两层决定：一层是站点侧的机器可读规格——发现机制、三 URL 模型、缩略图硬指标，这部分 Google 官方文档写得足够细，照做即可；另一层是语义层——官方文档有一处关键的沉默：全文没有承诺字幕或转写被用于理解视频内容。把两层拼起来会得到本页的核心命题：站点侧规格决定视频「能不能被找到」，而 AI 引不引用、引用什么，落在文字层——AI 引用视频，实际引用的是它的转写。结构化数据在 AI 引用中的总 role 不在本页展开，见结构化数据的角色档案。

发现机制与元数据三源

Google 官方给的视频发现规则比多数站点实现的要宽松：页面里出现 <video>、<embed>、<iframe>、<object> 任一引用即可被发现——不需要复杂协议。真正的门槛在元数据侧，官方指定三个来源，任选其一或并用：

两条官方反面清单要记：不要用片段标识符（URL #t= 类）作为向 Google 提供视频信息的方式；不要把视频藏在需要交互才加载的组件里——懒加载可以，点击才创建的播放器会让发现失败。这两条禁令的共性是把视频当成了页面附属，而 Google 的要求是视频作为一等公民出现在页面元数据里。常见误区的最后一个也在此列：把视频信息全押在播放器 <iframe> 的第三方参数上——第三方托管平台的参数不是站点的元数据，站内元数据三源缺一，发现链路就悬空。

三 URL 模型：watch page、播放器、视频文件

官方的三 URL 模型是站点侧视频架构的核心规格，三个位置各自可达、各司其职：

这条模型的实操含义集中在 watch page 上：视频的索引单元是页面不是文件——contentUrl 可达并不产生搜索呈现，watch page 没进索引，一切免谈。这也是「视频页做了结构化数据却没呈现」问题的第一排查点：先查页面索引状态，再查结构化数据。字段级的完整清单见 Google 的 VideoObject 文档。

关键时刻与缩略图：两组硬规格

**关键时刻（Key Moments）**有两种官方触发路径：Clip 结构化数据——精确起止时间加标签，声明某一段讲了什么；SeekToAction——时间戳 URL 的约定格式，官方支持约 12 种语言。YouTube 托管的视频可以用描述里的时间戳触发同一特性。退出机制也有官方开关：nosnippet 可以让页面退出关键时刻（与它在 robots meta 侧的摘录控制一脉相承，见robots meta 与 X-Robots-Tag 档案）。直播是同族的补充规格：BroadcastEvent 结构化数据可让直播获得 Live 徽章。

缩略图是字面意义的硬规格，常被忽略到提交时才炸：最低分辨率 60×30px，且缩略图 ≥80% 的像素 alpha 值大于 250——即图片绝大部分必须是不透明的。带大面积透明通道的图（设计感的 PNG 素材、带圆角的封面）经常过不了这条线。预览时长由 max-video-preview 控制，它决定视频在搜索结果里的动态预览长度。规格逐条自检的清单见文末操作项。

官方沉默与转写命题：AI 引用视频的真实路径

现在回到那处沉默。Google 官方视频文档覆盖了发现、索引、呈现的完整链路，但没有任何一句承诺字幕或转写被用于理解视频内容——文档教你怎么让视频「被找到」，没教你视频内容「被读懂」。这与多模态检索的现状一致：模型可以看懂关键帧，但视频的长程语义（论证、步骤、结论）目前可靠的表达层仍是文字。

由此得出本页的核心命题（机制判断）：LLM 引用视频的实际路径是转写文本层——平台侧转写、官方文字稿、逐字稿页，AI 引用的是这些文字，视频本体是文字的出处标签。这与播客的结论完全同构：音频/视频本体不经抓取，被引用的是文字化替身。对站方的推论直接而反直觉：视频页最有杠杆的动作不是优化播放器，是给视频配可索引的文字层——可选形态按投入从低到高排：章节文字稿（每章一段摘要，配合 Clip 标记）、完整逐字稿页（独立 URL 承载全量语义）、时间戳目录页（兼顾关键时刻与文字锚）。三种形态的共同点是把语义从「只有播放器里有」搬到「HTML 里有」。中文侧的旁证：抖音「AI 搜」的答案来源就是站内视频加第三方网站（公开报道，2025），站内视频的引用同样要经过文字化与标题化处理。视频平台的中文档案见B 站平台档案与抖音与头条平台档案，图片侧的多模态机制对应图片与多模态抓取档案。

对站长的操作清单

1. 视频页按三 URL 模型自查：watch page 已索引、embedUrl 与 contentUrl 无需交互可达，三格全绿才算合格。
2. 元数据三选一并做：VideoObject JSON-LD 为首选，视频量大补视频 sitemap，OGP 保底。
3. 缩略图按硬规格送检前自查：≥60×30px 且 ≥80% 像素 alpha>250，透明底封面图先合成底色再上传。
4. 给每个核心视频配可索引文字层：章节文字稿或逐字稿页——这是 AI 引用的真实落点，优先级高于播放器优化。
5. 长视频做关键时刻标记：Clip 精确起止加标签，或 SeekToAction 时间戳 URL；YouTube 视频在描述里写时间戳。
6. 不想被截取关键时刻的页面用 nosnippet 退出；直播内容上 BroadcastEvent 拿 Live 徽章。

限制与待核实

• 「AI 引用视频=引用其转写文本」为机制判断：与播客转写路径同构、有抖音 AI 搜来源口径旁证，但无跨引擎直接实测。
• 官方「未承诺字幕/转写用于理解」基于 2026-10 文档版本，Google 文档更新频繁，结论需按期复核。
• SeekToAction 支持语言「约 12 种」为官方口径，语言清单以文档现势为准。
• 抖音「AI 搜」答案来源构成为公开报道转引（AIbase，2025），官方无对应文档。