近幾年，關于AI如何融入工作流程的討論越來越頻繁，電競行業(yè)也不例外——無論是此前圍繞“AI+賽訓”的嘗試，還是“AI+陪練/陪玩”等應用方向，都已經(jīng)開始對行業(yè)結構產(chǎn)生一定影響。

盡管未來會如何演進仍不確定，但在當下的實際使用中，筆者更明確的感受是：AI像一個效率極高的“學習與工作搭子”，實實在在地改變了我日常的工作方式。

這篇專欄想分享的，正是AI如何幫助我在電競內(nèi)容分析與研究中建立新的方法路徑，以及這種方法帶來的具體變化與體驗。

筆者一直對電競解說這一話題較為感興趣，曾圍繞官方一路解說與二路解說的職責邊界及表達差異做過一些零散觀察。在查閱與梳理解說相關概念時，一個較為普遍的觀點是：官方解說以還原比賽過程、維護賽事敘事權威為核心，強調(diào)客觀性與中立性，其主要目標是幫助所有觀眾理解比賽正在發(fā)生什么；而二路解說則更側重于提升觀看體驗與情緒價值，多由職業(yè)選手、教練等轉(zhuǎn)型而來，能夠在解說中加入個人理解、情緒表達與娛樂化內(nèi)容，本質(zhì)上更接近內(nèi)容創(chuàng)作者。

這一類概念性的劃分，更多停留在理論層面。想要驗證它在真實世界中是否成立，還需要回到具體比賽語料中去觀察：解說在不同場景下具體說了什么、強調(diào)了什么，他們的篇幅是多長，這些表達究竟是在“還原比賽”，還是在“提供情緒體驗”。

在這個過程中，AI起到了非常關鍵的輔助作用。它能更快地對大量解說語料進行拆解與歸類，使原本依賴人工逐句整理的觀察，變得可以被結構化地分析與對比。

其中一個方式是獲取他們的文本進行語料分析。筆者收集了部分解說的語料，并通過AI進行內(nèi)容編碼法與話語分析——內(nèi)容編碼法指將解說內(nèi)容分為戰(zhàn)術分析、選手故事等類別并統(tǒng)計比例。話語分析則關注專業(yè)度、情緒強度等指標。

筆者以2026年KPL春決為研究樣本，錄制了官方解說與二路解說（阿豆）四場對局的內(nèi)容，時間節(jié)點統(tǒng)一為比賽開始至水晶爆炸后30秒，通過千問將視頻轉(zhuǎn)寫為帶時間節(jié)點和說話人的文本，再將五萬余字的語料喂給Gemini，按統(tǒng)一編碼框架拆解分析。

需要注意的是，官方解說文本約26500字、阿豆的約28000字，從整體字數(shù)上，二者的差異不顯著。另外，由于阿豆直播間會出現(xiàn)一路的聲音，可能在會存在微小識別誤差。在整體文本基數(shù)相似的基礎上，首先讓AI完成了整體語料的檢索與分類，識別出實時描述、戰(zhàn)術分析、情緒表達等七大維度。

（一路）

（二路）

并且，AI還可以對比兩者數(shù)據(jù)差異，數(shù)據(jù)顯示，二路解說在觀眾互動、娛樂吐槽上的占比遠高于官方一路解說。區(qū)別最大的是娛樂屬性和與觀眾互動的屬性。這個結論也說明了之前的共識確實如此。

需說明的是，本次研究樣本有限，二路僅選取阿豆一位主播，結論不能代表整個二路解說生態(tài)。但我想強調(diào)的并非結論本身，而是AI為研究與學習提供的新可能。

（一、二路對比）

隨后，我意識到AI不僅能幫助我學習和理解知識，還能引導我探索更多感興趣的方向。

在前面的KPL的例子中，對比是的一路和二路解說內(nèi)容的區(qū)別。那么在“同一項目、不同國家”的維度上，也可以進行語料對比。同一場比賽的多語種解說版本，將語料統(tǒng)一轉(zhuǎn)錄并翻譯，再交由AI進行結構化編碼與分析。這有助于理解不同地區(qū)如何“講述同一場比賽”，進一步折射出不同文化背景下的觀賽重點與表達習慣。

筆者錄制并上傳了無畏契約項目的中、美兩國的三位二路解說對于2026無畏契約圣地亞哥大師賽的文本分析，其中CN的主播是：Hanghang、cxy和夜蓮，NA的主播是FNS、Tarik和Shanks，過程同樣是錄制總決賽內(nèi)容并上傳文本。

由于樣本量不多，所以這里只摘取一些簡單的結論：在互動方面，中國二路解說頻繁讀彈幕、抽獎、聊天，直播屬性強，而美國二路解說更多是聊天室文化和陪看互動；在情緒表達方面，中國解說情情緒起伏明顯，但高峰時較內(nèi)斂，美國解說情緒密度更高，尖叫、夸張反應、個人情緒宣泄非常常見。更深層次的文化、政治等因素對二路解說風格的影響，還需要后續(xù)提供更多語料進行研究。

這套方法并不只適用于研究差異本身，它同樣可以反向作用于從業(yè)者成長路徑。一個希望成為解說的人，可以借助AI進行結構化分析，從而降低學習門檻，提高成長效率。

過去我們也掌握分析問題的辦法，但常常受限于語言、精力、理解能力。有了AI后，當我們再用過去已經(jīng)成熟的方法論框架，就能解決過去做不到規(guī)模化和結構化的問題。

對筆者而言，這次實踐中最重要的收獲是開始用一種新的工具研究課題，我意識到自己運用AI后，以前覺得無從下手的問題，現(xiàn)在可以去嘗試解決了。AI的意義是讓復雜研究變得可進入、可拆解、可復用，也讓更多人可以以更低成本參與到分析與創(chuàng)作之中，我想這本身就是一件讓人興奮的事情。