这条在：GEO 图书馆 · 机制：AI 怎么找、怎么挑、怎么写
视频能被 AI 引用吗？AI 读的是画面还是文字？
抖音视频的描述，先把品牌、型号、价位和适合谁写清楚：2026 年 10 月 3—5 日，我们看了豆包桌面 App 51 份有效回答、28 个品类，参考卡片显示的是作者发布时写的描述，被引描述常常把这些信息交代完整。
常见的是横评盘点和选购指南，描述已经写成一篇小短文，没点开视频也能读到选购信息。Google 对 AI 概览和 AI 模式的官方建议也是把重要内容以文字形式提供，图片和视频用来辅助文字。下一条视频发布前，把品牌和型号写全，再补上价位、适合谁，以及你拿什么依据这样推荐。
品牌方问这个，手上多半已经有东西了：一条拍得挺用心的宣传片，或者一个更新了大半年的抖音号。想知道的其实是，这些在 AI 那边到底算不算数。
这个问题里装着两件事，得分开说。一件是 AI 回答会不会把视频挂出来当出处，这个有数据，答案是会。另一件是挂出来之前，它到底看了视频的什么，这个我们查了几家，都没找到公开说明。
视频确实会被挂成出处
皮尤研究中心拿到 900 名美国成年人 2025 年 3 月的 Google 搜索记录，4 月又重新搜了一遍。按每条 AI 概览最多采三个来源网址的口径算，被引最多的三个网站是维基百科、YouTube 和 Reddit，普通搜索结果里也是这三家。不过同一份研究里，YouTube 链接在普通结果里反而比在 AI 概览里更常见一些，所以「AI 概览更爱引 YouTube」，至少在美国的 Google 上，皮尤的数据撑不起来。
卖 AI 可见度监测工具的 OtterlyAI 2026 年 3 月也发过一份研究，说看了 30 天里 1 亿多次 AI 引用，YouTube 引用的大头在 Perplexity 和 Google AI 概览，而播放量、点赞、订阅数跟被引次数几乎不相关。它的落点是劝人做 YouTube 的 GEO（AI 搜索优化），可问题集、语言、地区都没公开；它也只看了已经被引的视频，说明不了一个视频当初为什么被选上。
两份放一起，能说的是视频页会被检索到、会被挂上去。挂上去之前 AI 看没看画面，光凭一个链接证明不了。
模型能看视频，搜索引用时取的是什么，没查到
把视频直接交给模型，是有文档写清楚的。Google 给开发者的 Gemini API 文档说，模型默认每秒抽 1 帧画面，音频也一起处理，还提醒快速的动作可能丢细节。Google 的视频 SEO 文档也写了，搜索会抓视频文件本身，用来做视频预览、自动识别视频分了哪几段。
可这些说的是开发者把视频交给模型，或者 Google 搜索自己的视频功能。到了 AI 搜索去网上找资料、挑一条视频当出处的时候，用的是画面、声音、字幕，还是视频页上的标题和描述，我们查了 Google、豆包、ChatGPT、Perplexity，都没找到公开说明。
抖音视频的描述怎么写才容易被 AI 引用？
先把品牌、型号、价位和适合谁写清楚。2026 年 10 月 3—5 日，我们看了豆包桌面 App 51 份有效回答，覆盖 28 个品类；参考卡片显示的是作者发布时写的描述，不少被引描述把这些信息写全，读起来已经是一篇小短文。横评盘点占 49%，选购指南占 29%，都是按被引次数加权。这些文字确实出现在参考栏里，豆包内部怎么选中它们，我们还不知道。样本和口径见《豆包信源地图》第 1 期。下一条视频发布前，读一遍描述：不看画面，能不能知道在比哪款、多少钱、适合谁、依据是什么？缺哪项就补哪项。
Google 怎么说
Google 对 AI 概览和 AI 模式的说法很短：重要内容要以文字形式提供，图片和视频在合适的时候用来辅助文字。页面得先被收录、能带摘要显示，有了这个前提，就不需要特殊优化，也不用加特殊的结构化数据。条件都满足，按 Google 的说法也只是有资格出现，不是一定会展示。
视频要进 Google 的视频索引，门槛倒是写得很细，最卡人的是「观看页」。视频所在的页面得先被收录、在搜索里表现好，而且这个页面的主要用途就是看这一个视频；评测嵌入视频的博客文章、带 360 度视频的商品页，Google 都点名说不算。企业官网在文章或产品页里顺手嵌的宣传片，按这个定义推，大多进不了视频索引。不过页面本身还是普通网页，照样能被收录，也可能被 AI 概览引用。结构化数据、视频站点地图这些，Google 用的词是「建议」，不是门槛；视频进没进索引，可以看 Search Console 的视频索引报告。
Google 这份视频文档从头到尾没提文字稿和字幕（别的 Google 页面我们没逐一查）。明着提了的是必应：站长指南说视频应该补强页面的主要文字，不该是理解主题唯一的来源，建议配上字幕、文字稿或结构化数据。两家的话落到一处，意思其实差不多：视频里讲的要紧信息，页面文字里最好也有一份。
落回中文：豆包、DeepSeek、ChatGPT
豆包。能找到的东西最多，可没有一条说的是豆包 App 联网回答时怎么读抖音视频。
凤凰网科技 2025 年 8 月实测过：问「北京朝阳区美食」，豆包在回答下方推荐了带「抖音」标识的相关视频。报道里还写了「官方称」是为了「丰富信息呈现形式」；这个表态的原始出处我们没查到。再说这是回答下面的推荐模块，跟把视频当成出处是两码事。
豆包方面的官方明文，我们只在火山引擎的开发者文档里找到一句：火山方舟的联网内容插件能搜「字节系的图文、视频资源」，「支持查看大模型引用的原文链接或视频」。可这是卖给开发者的接口，文档没说豆包 App 也这样，同一页的资源明细里，抖音也只列了「百科词条」。
豆包本身是能看画面的。DoNews 2026 年 3 月实测豆包的视频通话，它靠摄像头画面找到了眼镜，认出了边境牧羊犬；据 IT之家转述，豆包方面 2026 年 5 月发布的 Doubao-Seed-2.0-lite 能把视频里的画面和声音放一起分析。但这些是 App 和模型本身的能力，豆包联网回答时有没有拿它们去看被引的抖音视频，我们没找到豆包方面的说法。
我们自己打开过抖音网页版的一个话题聚合页，主视频和相关视频都挂着「AI文稿」，口播转写就写在页面文字里，不用播放也能读到视频说了什么。可我们只看了这一页，单视频页和 App 都没看，也没测过爬虫拿不拿得到这些字；文稿是抖音用 AI 生成的，准不准也不知道。
还有个流传的说法：有公众号观察到，2026 年 8 月以后豆包引抖音明显变多。那篇原文我们没找到，找到的相近说法有两篇自媒体文。7 月那篇说，豆包参考来源里抖音视频的占比明显往上走，作者自己也写了「这不是豆包官宣的算法调整」。8 月那篇说豆包在攻略类问题上引抖音「高达97.7%」，同一篇又引另一项监测，说 App 里抖音域名的引用占比是 28.62%。这两个数管的场景不一样，本来就不能放一起比；麻烦的是两组都没给问题集、样本量和统计方法，没法复核。豆包方面对这件事的官方说法，我们没找到。
DeepSeek。这次没有专门去查 DeepSeek 联网回答怎么引用视频，不作判断。
ChatGPT。OpenAI 怎么显示、怎么读被引的视频，我们没找到官方说明。
结论
- 视频会出现在 AI 回答的出处里。皮尤研究中心按 2025 年春美国用户的 Google 搜索统计，YouTube 是 AI 概览被引最多的三个网站之一；同一研究里，YouTube 链接在普通搜索结果里比在 AI 概览里更常见一些。
- 母本查了 Google、豆包、ChatGPT、Perplexity 的公开资料，没找到哪家说明 AI 搜索引用视频时用的是画面、声音、字幕，还是视频页上的文字。回答里挂着一个视频链接，不能证明 AI 看过这个视频的画面。
- Google 的 Gemini API 文档写明，开发者把视频直接交给模型时，模型默认每秒抽 1 帧画面并处理音频；这说的不是 AI 搜索挑选出处的流程。
- Google 对 AI 概览和 AI 模式的官方建议是，重要内容以文字形式提供，视频用来辅助文字；不需要特殊优化或特殊结构化数据，满足条件是有资格出现，不是一定出现。必应的站长指南建议给视频配字幕、文字稿或结构化数据。
- Google 只把「观看页」上的视频收进视频索引。按 Google 的定义推，企业官网文章页和产品页里嵌的视频大多不算观看页，但这些页面本身仍然可以作为网页被收录。
- 凤凰网科技 2025 年 8 月实测到，豆包在回答下方推荐带抖音标识的视频，那是推荐模块，不是出处。火山方舟开发者文档写明联网插件可以引用字节系视频资源，但没说豆包 App 适用。母本 10 月 3—5 日的桌面 App 自测里，87% 的参考条目是抖音视频；这能说明本次样本的来源分布，豆包内部怎么选源仍没有公开说明。此前流传的比例数字没有可复核的样本和方法。
- ChatGPT 怎么读视频，母本没找到 OpenAI 的官方说明；DeepSeek 这次没有专门查。
「AI 越来越爱引视频，得赶紧做视频 GEO」？
这个说法能找到几处来源。OtterlyAI 的研究落在做 YouTube GEO 上；国内一家网络科技公司 8 月发过一篇解读豆包 GEO 规则的文章，说实拍短视频的「权重明显更高」；7 月那篇自媒体文也说豆包参考来源里抖音视频变多了。
可「越来越」是在说时间，得拿同一个平台、同一批问题前后两次的数据来比，这几份都没有。皮尤和 OtterlyAI 都是一段时间的快照；7 月那篇没有样本和方法；「权重」那篇全文没引平台或火山引擎的原文，还自己承认流传的「纯文本权重下降30%」没有官方来源。Google 那边，我们也没见它说过对视频有什么偏好。
反过来，「AI 只读文字，视频白做」也一样没有证据。Google 搜索会抓视频文件，Gemini 的接口会抽帧、处理音频，只是 AI 搜索引用视频时到底读哪一层，我们没找到公开说明，「只读文字」也就无从谈起。
我们的判断是：视频能被引，但在找到公开说明之前，视频里讲的要紧信息，页面上最好也有一份文字。有人跟你说「豆包现在只认视频」，可以请对方拿出样本、问题和日期。
这些结论别往外推
- 皮尤的数据是美国用户 2025 年春天的 Google 搜索；OtterlyAI 是卖监测工具的厂商，方法没全公开。两份说的都是海外平台，不能拿来推豆包怎么引抖音。
- Gemini API、Doubao-Seed-2.0-lite 说的是模型接口的能力，豆包视频通话看的是用户自己的摄像头，都不是 AI 搜索引用视频时的流程。
- Google 的文档只管 Google。国内百度、头条搜索、抖音有没有对应的视频收录说明，我们没找到，没找到不等于没有。
- 火山方舟那句写的是开发者接口；凤凰网科技是 2025 年 8 月的一次实测；抖音「AI文稿」我们只看了一个话题聚合页。
- 10 月 3—5 日的豆包桌面 App 自测覆盖 51 份有效回答、28 个品类。参考卡片里的作者描述，与抖音自动生成的「AI文稿」是两回事；这次观察也没有测出描述怎么改会提高引用率。
核对记录
- Google《Video SEO best practices》的收录条件，出处包里中文镜像比英文页少两条。10 月 1 日重开两页：英文页五条都在，页脚 2025-12-18；中文镜像现在也是五条，页脚 2026-02-20。
- 皮尤原页 10 月 1 日直接读到：浏览记录是 2025 年 3 月 1—31 日，搜索结果是 4 月 7—17 日重新采集的，样本 900 名，每条 AI 概览最多采集三个来源网址。等级记 B。
- OtterlyAI 的平台比例，分母是全部 YouTube 引用，各平台样本量没公开，推不出哪一家不爱引视频。
- 必应那条沿用 9 月 29 日的核对。
- 豆包「攻略类问题引抖音」的比例，出处包里有 97.7% 和 96.9% 两个版本；96.9% 只见于搜索摘要，没用。
出处 16 条，A 级 6 条、B 级 7 条、C 级 3 条 · 展开全部
Google《Video SEO best practices》英文页（页脚 2025-12-18 更新）：视频功能的收录条件五条，「The watch page must be indexed. The indexed watch page must be performing well in Search before its video can be considered for indexing. The video must be embedded on a watch page. The video can't be hidden behind other elements. The video must have a valid thumbnail that's available at a stable URL.」观看页定义：「A watch page's main purpose is to show users a single video」，评测嵌入视频的博客文章、带 360 度视频的商品页、并列多个视频的分类页、嵌预告片的影评页都不算。元数据是「we recommend」，支持结构化数据、视频站点地图和 Open Graph。「Google needs to successfully fetch the actual bytes of a video file to enable features like video previews and key moments」；「Google Search tries to automatically detect the segments in your video」。全文没有 transcript、caption、audio。中文镜像（页脚 2026-02-20 更新）同样五条。 原文
Search Console 帮助《Video indexing report》：「provides reasons why other videos on your site couldn't be indexed」；「The report covers only indexed pages.」原因如「Video isn't on a watch page」「No thumbnail URL provided」。 原文
Google 搜索中心《AI 功能和您的网站》（2025-12-10 更新）：「网页必须已编入索引、符合在 Google 搜索中显示摘要的条件，并遵循搜索技术要求，才能在 AI 概览或 AI 模式中显示为辅助链接」；「确保重要内容以文字形式提供；在适用的情况下，使用优质图片和视频来辅助文字内容」；「无需满足任何其他要求即可在 AI 概览或 AI 模式中显示，也无需进行其他特殊优化」；「您也不需要添加任何特殊的 schema.org 结构化数据」。英文页另写：「Just because a page meets all requirements, best practices, and complies with the policies, doesn't mean that Google will crawl, index, or serve its content.」 原文
必应站长指南：「Images and video should reinforce the primary text on the page and should not be the sole source of information required to understand the topic.」建议提供「Captions, transcripts, or structured data」。引自同目录 text-in-images 出处包，本条出处包没重挖。 原文
皮尤研究中心 2025-07-22：「900 U.S. adults」的浏览记录「March 1-31, 2025」，68,879 次 Google 搜索；每条 AI 概览采集「up to three source URLs that were included in the AI summary」；「Search results were collected April 7-17, 2025.」「The most frequently cited sources in both Google AI summaries and standard search results are Wikipedia, YouTube and Reddit.」三家合占 AI 概览来源 15%、普通结果 17%；「YouTube links are somewhat more common in standard search pages than in AI summaries.」 原文
OtterlyAI《YouTube AI Citation Study 2026》（2026-03-02）：30 天、1 亿多次 AI 引用；「Share of total YouTube citations by platform」：Perplexity 38.7%、Google AI 概览 36.6%、Copilot 0.5%、Gemini 0.2%，各平台样本量没公开；带时间戳的引用 73% 在 AI 概览、27% 在 AI 模式，「No time-stamped videos were cited by ChatGPT, Copilot, Gemini, or Perplexity」；长视频占 94%、Shorts 占 5.7%；用皮尔逊相关，播放量、点赞、订阅数「near zero」，描述长度「weak-to-moderate positive correlation」（r≈0.3）。问题集、语言、地区和具体时段没公开。 原文
Gemini API《Video understanding》（2026-09-23 更新）：「the model samples the video at a rate of 1 frame per second (FPS)」；「You can set custom frame rate sampling by passing an fps argument」；「Audio is processed at 1Kbps (single channel)」；「fast action sequences might lose detail due to the 1 FPS sampling rate」。只管开发者把视频交给模型的情形。 原文
IT之家 2026-05-06 报道火山引擎发布 Doubao-Seed-2.0-lite：「模型能够联合分析视频中的画面与音频信息，精准辨析视频中的视听一致性」；音频支持 19 个语种语音转写。火山官方原稿没读到。 原文
火山方舟《联网内容插件功能说明》：「联网内容插件支持实时搜索互联网公开域网页资源和字节系的图文、视频资源」；「对于字节系的图文和视频资源，支持查看大模型引用的原文链接或视频，视频化解读用户问题」。同页资源明细里抖音只列了百科词条。只讲开发者接口。 原文
凤凰网科技 2025-08-25 实测：问「北京朝阳区美食」，豆包「还在下方推荐带有'抖音'标识的相关视频」；客服称展示「目前的确无法关闭」、「还在改造中」；「官方称此举是为'丰富信息呈现形式'」，这一表态的原始出处没查到。 原文
DoNews 2026-03-05 报道记者实测豆包视频通话：靠画面找到眼镜、认出边境牧羊犬，按招牌认出测试地点；文称「该功能自2025年12月启动内测，经两次迭代后于近期全量上线」。 原文
母本自测（2026-10-01）：抖音网页版一个 /shipin/ 话题聚合页，主视频和相关视频都有「AI文稿」，页面文字里能读到口播转写。只看了这一页，没看单视频页和 App，没测爬虫。 原文
被核的说法之一（匿名材料甲）：一篇自媒体文（2026 年 7 月）：「进入7月以后」豆包参考来源里抖音视频占比「明显往上走」；同文：「这不是豆包官宣的算法调整」。没有样本和方法。完整出处和链接留在母本内部出处包。
被核的说法之二（匿名材料乙）：一篇自媒体平台文章（2026 年 8 月）：「豆包在目的地推荐和攻略类问题上，对抖音内容的引用率高达97.7%」，只标「数据监测显示」；同文又称「2026年7月的一项监测数据显示：豆包App里抖音域名的引用占比达28.62%」，Web 端 11.85%。两组数字场景不同，都没给问题集、样本量和统计方法。完整出处和链接留在母本内部出处包。
被核的说法之三（匿名材料丙）：一家国内网络科技公司解读豆包 GEO 规则的文章（2026 年 8 月）：「实拍短视频权重明显更高」，纯文字软文的「采信率」远低于「图文 + 短视频」组合。全文没引平台或火山引擎原文；同文承认流传的「纯文本权重下降30%」没有官方来源。完整出处和链接留在母本内部出处包。
母本《豆包信源地图》第 1 期（2026-10-03—05）：豆包桌面 App 51 份有效回答、28 个品类，87% 的参考条目是抖音视频。参考卡片显示作者发布时写的描述；横评盘点占 49%，选购指南占 29%，按被引次数加权。描述常写出完整品牌、型号、价位和适用人群；未据此判断豆包内部的选源或视频读取机制。 原文
大家也这样问
- 抖音视频的描述怎么写才容易被 AI 引用？
- 我们拍的视频，AI会引用吗？
- AI是真看画面，还是只读标题和字幕？
- 发抖音能让豆包多提到我们吗？