ARTICLE · 1014097
AI拍出来的「抑郁」:App里78%走向痊愈,开发者接口只有14%
心理健康内容已经是短视频平台的顶流：#mentalhealth 标签在 TikTok 单平台播放量超过 440 亿次，约六成美国青少年每天访问 TikTok。而 2025 年 9 月发布的 Sora 2 把「生成一条以假乱真的视频」的成本压到了一句话——上线 72 小时，Sora App 冲上 iOS 下载榜第一（超 16.4 万次下载），12 月还宣布与迪士尼合作引入 200 多个角色。当用户（包括正在经历抑郁发作的人）搜索「抑郁」时，AI 生成的视频正在成为他们信息环境的一部分：这些画面可能强化其体验、正常化或污名化它，也可能内置一套关于「康复」的隐含剧本。
这篇研究更聪明的一点是方法论自觉。作者指出，现有临床 AI 研究经常把「模型」当研究对象，却混淆了两样东西：底层模型（base model）和构建在它之上的消费产品。你在 Sora App 里输入提示词，中间隔着提示词处理、UX 约束、安全过滤、信息流策展等一整层产品管线；而开发者通过 API 访问的是接近裸模型的通道。只研究产品，看到的是「用户会遇到什么」；只研究模型，看到的是「训练编码了什么」——两边对照，才能看见公司为「抑郁」这类敏感话题装了什么样的隐形方向盘。
极简提示词是核心设计：所有视频只用孤立的单词「Depression」，无任何限定词、语境或提示工程。作者的理由很妙——「Depression」一词本身歧义（临床心境障碍/口语情绪/地形凹陷/经济萧条）， elaborate 的提示词会把你的解释强加给模型；而单词提示把解释劳动全部推回给模型，输出的每一个视觉选择都只能来自训练数据或产品层的引导——这让它成为探测模型默认表征的更灵敏探针。结果也确实如此：100 条视频无一例外全部拍了情感意义上的抑郁，没有一条拍成经济萧条。
生成与质控：2025-11-21 至 28 单一窗口（防模型更新混淆），App 版 50 条（10 秒 720p 竖屏，全新无历史账号）+ API 版 50 条（12 秒 720p，sora-2 端点）。质性段：2 名编码者独立对全部 100 条按 6 维度编码（叙事弧/环境/物件/人物画像/姿态状态/备注），Cohen κ 一致性：独处 0.94、性别 1.00、姿态 0.89、环境 0.91、叙事弧 0.71——不达标的维度（面部表情 0.49、种族 0.53、社会经济地位 0.20）直接剔除，不用，这个「κ 不达标就扔」的纪律值得所有内容分析研究学习。
定量段：4 域 28 项计算特征——视觉美学（亮度/饱和度/色温/纹理，逐秒采样）、音频（音量/音高/频谱质心，librosa）、语义（Whisper 转录 + VADER 情感 + 基于概念隐喻理论的明暗词典 + 第一人称代词比）、时序动力学（Farnebäck 光流/场景检测）。统计全部走 Welch t 检验 + Benjamini-Hochberg FDR 校正，效应量 Cohen d。研究不涉及人类受试者（分析对象是 AI 生成内容），无需伦理审批。
主结果一张表看完——同一个模型，只换访问入口：
数字背后是两种截然不同的「抑郁剧本」。App 版是治愈系短片：从黑暗房间和头顶的个人暴雨云开始，漂浮的方块标注着「疲劳」「绝望」，然后人物转身面向亮窗，结尾走进阳光里微笑——一条标准的恢复弧，_recovery shift_ 平均发生在第 6 秒。API 版是静态困局：穿灰色连帽衫的人物坐在昏暗卧室的床边，12 秒里姿态、光线、环境几乎不变。原文 Figure 5 的对比帧一目了然：
亮度轨迹把这种分化量化到了秒级（原文 Figure 2）：App 版开局亮度与 API 版相当，然后一路爬升（斜率 +2.90/秒），API 版几乎水平（-0.18/秒），效应量 d=1.59。
运动与剪辑的差异更夸张（原文 Figure 3）：App 版光流是 API 版的 3 倍（d=2.07，全篇最大的效应量），平均 3.1 次场景切换 vs 0.76 次——到视频结尾，App 观众平均已看了约 4 个场景，API 观众不到 2 个。
为什么会这样？作者诚实地表示无法归因——Sora 的审核管线是专有黑箱。但可以确定的是：Sora App 的社区准则明文禁止「被视为主张抑郁或描绘自残」的内容，且信息流按参与度优化——要么是显式安全护栏，要么是平台动态偏爱「叙事有闭环」的内容，两者必居其一（或兼有）。无论机制如何，产品层引入了强叙事约束，「康复」成了安全且可读的默认终点。
如果说叙事弧是平台层的作品，那么视觉词汇就是文化层的沉积。100 条视频惊人地收敛：坐姿出现在 94% 的视频里，低垂视线 93%，人物 98% 独处，88% 是 20-30 岁的年轻人；出现最多的物件是连帽衫（194 次）、窗户（148 次）、床（114 次）、雨（83 次）、灯（59 次）。卧室是压倒性的主场景，恢复片段才出现屋顶、山顶、桥这类「高处户外」。这套语法不是 Sora 发明的——从文艺复兴寓言、启蒙时代的精神病画像到现代影视，「退隐的身影+昏暗室内+雨打窗棂」就是西方文化两百年来的忧郁成像传统。
语言学证据同样整齐。转录文本的词频（原文 Figure 4）聚成四个隐喻簇：
更妙的是恢复点的「词汇反转」分析：把 46 条含恢复弧的视频按编码的恢复时间戳切成前后两段——
视觉特征同步反转：恢复点后亮度 +26.6%（d=0.68）、饱和度 -13.2%、色彩丰富度 +10.5%。原文 Figure 6 把这套「病中→恢复」的物件/环境/词汇/姿态差分画成一张总图：
gender 的入口反转值得一提：App 版 68% 是男性人物，API 版 59% 是女性——连「谁来演抑郁」都随入口而变。推测与默认参数、审核过滤或训练采样有关，原文未深究，但这个现象本身对「AI 输出的代表性审计」是个现成的选题钩子。
接口一：患者数字环境评估应写进护理评估。护士是与患者沟通时间最长的专业角色，也是最可能第一时间了解到「患者最近在刷什么」的人。对抑郁/焦虑患者的数字素养教育与信息环境评估（他们从短视频里获得的「康复剧本」是否符合循证路径），是精神心理健康护理学的现成干预切口。
接口二：「恢复叙事偏置」是健康传播研究的天然实验场。78% 的痊愈结局是平台认为安全、易传播的叙事，不是临床事实——真实抑郁康复是中长期的、非线性的。「AI 生成内容如何塑造公众康复预期」可用本篇的极简提示词法 + 内容分析框架直接复刻到中文平台（可灵、即梦、通义万相），对比中外平台的叙事偏置。
接口三：「模型 vs 产品」双层框架可直接迁移到护理 AI 评测。本篇最大的方法学贡献是证明同一模型在 App 与 API 两个入口行为系统性不同。评测任何护理 AI 工具（语音记录、交班助手、患者教育生成器）时，都应区分「模型默认行为」与「产品层调校后的行为」——采购决策测的是后者，科研复现需要对齐前者。
接口四：AI 生成内容的代表性审计是空白选题。本篇 100 条视频里人物 88% 是 20-30 岁、98% 独处——老年抑郁、产后抑郁、儿童抑郁在 AI 的视觉词典里近乎不存在。「主流视频生成模型对不同人群抑郁表征的覆盖率与刻板印象审计」，一张 GPU 都不需要，纯内容分析就能发高质量论文。
接口五：护理教育素材的合规提示。越来越多护理教学开始用 AI 生成演示视频，本篇提醒：生成的「患者形象」继承的是影视刻板印象而非临床观察——用 AI 生成的抑郁患者演示视频教护生识别症状，可能在无声中强化污名。教学素材审核清单里应加一条「AI 生成内容的文化刻板印象审查」。
其一，单平台单提示词。结论只对 Sora 2 与单词「Depression」负责，不能外推到 Veo 3、Runway 或其他精神疾病主题。其二，时长混杂。App 默认 10 秒、API 默认 12 秒，作者用逐秒斜率缓解但无法根除——恢复弧「更常出现」与「更快出现」在 10 秒片里是绑定的。
其三，机制不可观测。审核管线专有且不透明，App-API 差异只能确认「存在产品层效应」，无法定位是哪道过滤器。其四，没有人。研究分析的是输出内容，没有做人类感知实验——「观众看后会怎样」仍是开放问题。其五，编码者未盲法。两个入口界面肉眼可辨，可能引入期望效应。每臂 50 条是基线观察规模，效应量解释需谨慎——作者在局限节逐条自曝，这份透明本身就是同类研究的范本。
把全文压缩成一张「带结论」的速查表——每行回答一个问题：这个发现，对关注「AI×心理健康内容」的你意味着什么。
