Visual Match 针对短视频开场钩子（hook）的视觉一致性。其核心前提是：多数观众先凭画面做判断，很多人还会关掉声音观看；如果画面内容与口播内容不一致，观众往往会相信画面并划走。
用途
该方法要求画面、屏幕文字、口播这三条渠道传达同一个信息，并指出各自常见的问题：画面（0 至 1 秒）应展示主体，理想情况是展示最令人意外或最想要的画面，而常见问题包括书桌前的口播、logo、黑屏、缓慢走入；屏幕文字应在静音状态下说清主题，长度为 3 至 7 个词，并补充口播内容，而常见问题是逐字重复口播，或使用含糊的标签；口播应呈现钩子台词，而常见问题是以问候或人名开头。三者必须指向同一主体；如果无法一致，就修改成本最低的那一项。
主要能力
该技能按四个步骤操作。第一步，找出关键帧：列出素材中已有的内容，选择最能证明或暗示看点的画面，例如结果、前后对比、发生变化的瞬间、奇特物体；这类画面通常位于视频中部或结尾，可将其移动到第零秒，或插入一秒钟的闪现；优先选择有动作（手、物体、变化）的画面，而不是静止画面。第二步，选择视觉钩子类型：文字叠加提出疑问、第一秒内切换镜头、主体运动、特效或转场、以及需要解释的醒目镜头。第三步，写屏幕文字：3 至 7 个词、一秒内可读完、避开平台按钮与字幕区（竖屏视频放在中上部），并与口播互补，例如口播点出问题、文字点出转折，或者反过来。第四步，检验匹配：静音在脑中播放，陌生人能否知道主题；闭眼播放，是否仍能知道；两者都应为“是”。
使用方式与输出
按上述四步对已有素材和写好的钩子进行检查与调整。输出格式为：关键帧（内容及当前在素材中的位置）、第一镜头（0 至 1 秒）、屏幕文字、口播、剪辑动作（移动/剪切/重拍，写明具体做法）。如果问题出在创意本身（画面无法呈现文字所宣称的内容），应直接指出，选择放弃或重塑钩子，而不是承诺画面无法证明的内容。
适用场景
适用于短视频、社交媒体视频的开场设计，尤其是创作者希望复用现有素材、在不额外拍摄的情况下提升第一秒留存与静音可看性的情况。
限制
资料中未提供该技能的具体安装方式、运行环境、收费信息或自动化程度，这些暂未提供。该方法依赖创作者已有素材能否呈现所宣称的内容；若不能，需调整创意或补拍。