โดยทั่วไป คำว่าวิดีโอเชิงโต้ตอบหมายถึง เทคนิคที่ใช้ในการผสมผสานการโต้ตอบและภาพยนตร์หรือวิดีโอเชิงเส้น วิดีโอเชิงโต้ตอบ (หรือที่รู้จักกันในชื่อ "IV") เป็นรูปแบบหนึ่งของวิดีโอดิจิทัลที่รองรับการโต้ตอบของผู้ใช้^{[ 1 ]}วิดีโอเชิงโต้ตอบช่วยให้ผู้ชมสามารถคลิกบนเดสก์ท็อป หรือแตะบนอุปกรณ์เคลื่อนที่ภายในวิดีโอเพื่อให้เกิดการกระทำ พื้นที่ที่คลิกได้เหล่านี้ หรือ "จุดสัมผัส" สามารถดำเนินการได้เมื่อคลิกหรือแตะ ตัวอย่างเช่น วิดีโออาจแสดงข้อมูลเพิ่มเติม ข้ามไปยังส่วนอื่นของวิดีโอหรือวิดีโออื่น^{[ 2 ]}หรืออาจเปลี่ยนเนื้อเรื่อง^{[ 3 ]}

หนึ่งในวิธีการใช้งานเทคโนโลยีวิดีโอแบบอินเทอร์แอคทีฟที่ได้รับความนิยมคือการเพิ่มจุดที่คลิกได้หรือ "จุดสนใจ" ลงในวิดีโอ ซึ่งช่วยให้ผู้ชมเรียนรู้เพิ่มเติมเกี่ยวกับวัตถุ ผลิตภัณฑ์ หรือบุคคลใดบุคคลหนึ่งในวิดีโอได้ จุดสนใจสามารถกระตุ้นให้เนื้อหาปรากฏขึ้นภายในวิดีโอ เช่น ข้อความ รูปภาพ วิดีโอ หรือเนื้อหาเว็บเพิ่มเติมที่สามารถตั้งค่าไว้ใน iframe ได้

ในปี พ.ศ. 2505 สตีฟ รัสเซลล์นักศึกษาจากสถาบันเทคโนโลยีแมสซาชูเซตส์ (MIT) ได้สร้างSpacewar!ซึ่งเป็นเกมคอมพิวเตอร์แบบโต้ตอบเกมแรกของโลก^{[ 4 ]} ภาพยนตร์แบบโต้ตอบเรื่องแรกThe Cinema Machineออกฉายในปี พ.ศ. 2510 ^{[ 5 ]}ขณะชมภาพยนตร์เรื่องนี้ ผู้ชมในโรงภาพยนตร์จะเลือกฉากใดฉากหนึ่งจากสองฉากในช่วงที่เรื่องราวแยกออก การสลับฉากจะทำด้วยตนเองโดยผู้ฉายภาพยนตร์

ฟิลิปส์ ได้เปิดตัว เลเซอร์ดิสก์เป็นครั้งแรกในปี 1972 ^{[ 6 ]}เทคโนโลยีเลเซอร์ดิสก์ทำให้สามารถเล่นวิดีโอได้ทุกตอน ทำให้วิดีโอแบบโต้ตอบเป็นไปได้^{[ 7 ]} ในปี 1983 เซก้าได้วางจำหน่ายAstron Beltซึ่งเป็นเกมอาร์เคดแบบโต้ตอบเกมแรกบนเลเซอร์ดิสก์^{[ 8 ]}นอกจากนี้ ในปี 1983 ยังมีการวางจำหน่ายDragon's Lair ซึ่งเป็น ภาพยนตร์แอนิเมชั่นบนเลเซอร์ดิสก์ของCinematronics อีกด้วย รูปแบบ วิดีโอซีดีแบบโต้ตอบหลายรูปแบบ เช่นCD-i (Compact Disc-Interactive) และDigital Video Interactive (DVI) มีให้บริการในช่วงทศวรรษ 1990 รูปแบบเลเซอร์ดิสก์ถูกแทนที่ด้วย รูปแบบ DVDตั้งแต่ปี 2000

ในปี 2551 YouTubeได้เพิ่มฟีเจอร์คำอธิบายประกอบแบบโต้ตอบลงในวิดีโอ ฟีเจอร์นี้ถูกปิดใช้งานในปี 2562 ^{[ 9 ]} Netflixเริ่มปล่อยแอนิเมชั่นแบบโต้ตอบในปี 2559 ^{[ 10 ]} TikTokประกาศรองรับเอฟเฟกต์แบบโต้ตอบในปี 2564 ^{[ 11 ]}

หลังจากยกเลิกการใส่คำอธิบายประกอบในปี 2019 YouTube ได้นำเอาหน้าจอท้ายวิดีโอมาใช้เป็นวิธีการสำหรับวิดีโอแบบโต้ตอบ หน้าจอท้ายวิดีโอจะปรากฏในช่วง 5-20 วินาทีสุดท้ายของวิดีโอ และอนุญาตให้ผู้สร้างเพิ่มลิงก์ที่คลิกได้ไปยังวิดีโออื่นๆ ทำให้เกิดเรื่องราวที่แตกแขนงและภาพยนตร์แบบโต้ตอบบนแพลตฟอร์มได้

คำว่า วิดีโอเชิงโต้ตอบ หรือภาพยนตร์เชิงโต้ตอบบางครั้งหมายถึงเทคนิคที่ไม่ค่อยพบเห็นในปัจจุบันที่ใช้ในการสร้างเกมคอมพิวเตอร์หรือเรื่องราวเชิงโต้ตอบ แทนที่จะใช้กราฟิกคอมพิวเตอร์ 3 มิติ จะสร้างกระแสภาพเชิงโต้ตอบโดยใช้คลิปวิดีโอที่ทำไว้ล่วงหน้า ซึ่งมักผลิตโดยการซ้อนทับวัสดุที่สร้างโดยคอมพิวเตอร์กับภาพ จากแผ่นวิดีโอขนาด 12 นิ้ว(ซึ่งการตั้งค่านี้เรียกว่า วิดีโอเชิงโต้ตอบ "ระดับ III" เพื่อแยกความแตกต่างจาก "ระดับ I" หรือแบบใช้แผ่นวิดีโออย่างเดียว และ "ระดับ II" ที่ต้องใช้เครื่องเล่นแผ่นวิดีโอที่ผลิตขึ้นเป็นพิเศษซึ่งรองรับการโต้ตอบผ่านรีโมทโดยไม่ต้องใช้คอมพิวเตอร์ภายนอก) คลิปเหล่านี้อาจเป็นภาพเคลื่อนไหวเช่น ในเกมDragon's Lairหรือ วิดีโอ แบบถ่ายทำจริงเช่น ในเกมNight Trapเมื่อเทียบกับเทคนิคกราฟิกคอมพิวเตอร์อื่นๆ วิดีโอเชิงโต้ตอบมักเน้นที่รูปลักษณ์และการเคลื่อนไหวของตัวละครเชิงโต้ตอบมากกว่าการโต้ตอบโดยตรง

วิดีโอที่ปรับแต่งได้ช่วยให้ผู้ใช้สามารถปรับตัวแปรบางอย่างแล้วเล่นวิดีโอที่ปรับแต่งตามความต้องการเฉพาะของผู้ใช้ได้ อย่างไรก็ตาม ผู้ใช้ไม่ได้โต้ตอบกับวิดีโอในขณะที่กำลังเล่นอยู่ ตัวอย่างล่าสุดของวิดีโอรูปแบบนี้ ได้แก่:

• มิสเฮลก้า — โฆษณาวิดีโอที่ปรับแต่งได้สำหรับรถยนต์Volkswagen Golfสร้างสรรค์โดยCrispin Porter + BoguskyและThe Barbarian Group
• Ave a Word—โฆษณาวิดีโอที่ปรับแต่งได้สำหรับMiniสร้างโดย Glue London - รางวัล Silver Cannes Lion ปี 2006 ^{[ 12 ]}
• Electric Feel—มิ วสิกวิดีโอที่ปรับแต่งได้สำหรับเพลงชื่อเดียวกันของวงMGMT

วิดีโอสนทนาช่วยให้ผู้ใช้สามารถโต้ตอบกับวิดีโอในลักษณะผลัดกันพูด ราวกับว่าผู้ใช้กำลังสนทนากับตัวละครในวิดีโอ ตัวอย่างล่าสุดได้แก่:

• Subservient Chicken - โฆษณาวิดีโอแบบอินเทอร์แอคทีฟในรูปแบบ "บทสนทนา" สำหรับ Burger King สร้างสรรค์โดยCrispin Porter + BoguskyและThe Barbarian Group ได้ รับรางวัล Cannes Grand Prix ปี 2005
• บทสนทนากับเซอร์เอียน - วิดีโอสัมภาษณ์แบบอินเทอร์แอคทีฟกับเซอร์เอียน แมคเคลเลนเกี่ยวกับเชกสเปียร์ สร้างขึ้นสำหรับโรงละครแห่งชาติโดยมาร์ติน เพอร์ซีได้รับการเสนอชื่อเข้าชิงรางวัล BAFTA ปี 2007 ^{[ 13 ]}
• บทสนทนากับชิมอน เปเรส^{ประธานาธิบดี}อิสราเอล สร้างขึ้นโดยบริษัทสื่อและเทคโนโลยีเชิงโต้ตอบEko ^{[ 14} ]
• บทสัมภาษณ์เชิงโต้ตอบกับจอห์น แฮมม์ ก่อนที่เขาจะเป็นพิธีกรงานประกาศรางวัล ESPY Awards ปี 2013 ซึ่งสร้างโดย Eko เช่นกัน^{[ 15 ]}

วิดีโอเชิงสำรวจช่วยให้ผู้ใช้สามารถเคลื่อนที่ไปในพื้นที่หรือดูวัตถุ เช่น งานศิลปะ จากหลายมุมมอง ราวกับว่าผู้ใช้กำลังดูวัตถุนั้นในชีวิตจริง วัตถุหรือพื้นที่นั้นจะถูกนำเสนอโดยใช้ภาพวิดีโอวนซ้ำ ไม่ใช่ภาพนิ่ง ทำให้รู้สึกเหมือนมีชีวิตชีวามากขึ้น ตัวอย่างล่าสุดได้แก่:

• BT Series - วิดีโอเชิงโต้ตอบที่สำรวจผลงานของ Tracey Emin, Anthony Gormley และ Rachel Whiteread สร้างขึ้นสำหรับTate Galleryโดย Martin Percy ได้รับการเสนอชื่อเข้าชิงรางวัล Webby ในปี 2006 ^{[ 16 ]}และได้รับรางวัลในปี 2007 ^{[ 17 ]}
• Tate Tracks - วิดีโอเชิงโต้ตอบสำหรับการสำรวจผลงานต่างๆ ซึ่งช่วยให้ผู้ใช้สามารถฟังเพลงไปพร้อมๆ กับการชมงานศิลปะ สร้างขึ้นสำหรับหอศิลป์เทตโดยมาร์ติน เพอร์ซี เป็นส่วนหนึ่งของแคมเปญแบบบูรณาการที่ได้รับรางวัล Cannes Gold Lion ปี 2007 ^{[ 18 ]}

ในปี 2008 YouTubeได้เพิ่มฟีเจอร์คำอธิบายประกอบวิดีโอ ซึ่งเป็นส่วนเสริมแบบโต้ตอบได้ ประกอบด้วยฟองคำพูด กล่องข้อความ และสปอตไลท์ที่สามารถคลิกได้ ผู้ใช้สามารถเพิ่มคำอธิบายประกอบแบบโต้ตอบลงในวิดีโอของตนได้ และด้วยเหตุนี้จึงเกิดเทรนด์ใหม่ของวิดีโอแบบโต้ตอบขึ้น รวมถึงซีรีส์วิดีโอแบบเลือกเส้นทางเอง เกมออนไลน์ที่ใช้ YouTube วิดีโอเกมหาจุดแตกต่าง การพากย์เสียงสัตว์ และอื่นๆ อีกมากมาย ในปี 2009 YouTube ได้เพิ่มแง่มุมของชุมชนลงในฟีเจอร์คำอธิบายประกอบ โดยอนุญาตให้เจ้าของวิดีโอเชิญเพื่อนและชุมชนของตนให้เพิ่มคำอธิบายประกอบลงในวิดีโอของตนได้

ประมาณปี 2010 YouTube ได้เปิดตัวการครอบครองแบบอินเทอร์แอคทีฟ ซึ่งบางช่องมีโอกาสที่จะผสานรวมประสบการณ์ iFrame ทำให้พวกเขาสามารถรวมวิดีโอแบบอินเทอร์แอคทีฟได้ การครอบครองที่ประสบความสำเร็จมากที่สุดบางส่วนดำเนินการโดยแบรนด์ต่างๆ เช่น^Samsung , Tipp -ExหรือChrome ^{[ 19} ]

YouTube ได้ยุติการใช้คำอธิบายประกอบเมื่อวันที่ 15 มกราคม 2562 ^{[ 20 ]}

หลังจากยกเลิกการใส่คำอธิบายประกอบ วิธีหลักในการสร้างวิดีโอแบบโต้ตอบบน YouTube จึงกลายเป็นหน้าจอท้ายวิดีโอ (หรือที่เรียกว่าทีเซอร์) หน้าจอท้ายวิดีโอจะปรากฏในช่วง 5–20 วินาทีสุดท้ายของวิดีโอ และสามารถมีองค์ประกอบที่คลิกได้สูงสุดสี่รายการ เช่น ลิงก์ไปยังวิดีโอหรือเพลย์ลิสต์อื่นๆ^{[ 21 ]}เพื่อสร้างเรื่องราวแบบแตกแขนง ผู้สร้างจะเตรียมวิดีโอโดยเว้นช่วงหยุด 20 วินาทีในตอนท้าย อัปโหลดไปยัง YouTube และกำหนดค่าหน้าจอท้ายวิดีโอใน YouTube Studio เพื่อเชื่อมโยงบทต่างๆ เข้าด้วยกัน^{[ 22 ]}

ในปี 2557 แพลตฟอร์มการตลาดวิดีโอInnovidได้รับสิทธิบัตรของสหรัฐอเมริกาสำหรับเทคโนโลยีวิดีโอแบบโต้ตอบ^{[ 23 ]}

ในปี 2017 Adways ^{[ 24 ]} ซึ่งเป็นหน่วยงานวิดีโอแบบอินเทอร์แอคทีฟ ได้สร้างรูปแบบเฉพาะที่เรียกว่า InContent ซึ่งช่วยให้สามารถเพิ่มโฆษณาแบบอินเทอร์แอคทีฟลงในสตรีมสดสำหรับ Roland-Garros ได้^{[ 25 ] [ 26 ]}

ศิลปินวิดีโอเชิงโต้ตอบร่วมสมัย เช่น Miroslaw Rogala, Greyworld , Raymond Salvatore Harmon , Lee Wells, Camille Utterback , Scott SnibbeและAlex Hornได้ขยายรูปแบบของวิดีโอเชิงโต้ตอบผ่านการสนทนาด้วยท่าทางและการมีส่วนร่วมของผู้ชมทั้งที่กระตือรือร้นและเฉื่อยชา Perpetual art machine เป็นพอร์ทัลศิลปะวิดีโอและงานติดตั้งวิดีโอเชิงโต้ตอบที่ผสานรวมศิลปินวิดีโอระดับนานาชาติกว่า 1,000 คนเข้าไว้ในประสบการณ์วิดีโอขนาดใหญ่เชิงโต้ตอบเดียว

ในทางเทคนิคแล้วการทำ VJคือการสร้างสตรีมวิดีโอแบบโต้ตอบ ซึ่งเกี่ยวข้องกับการที่ผู้ใช้/ผู้ดำเนินการผสมผสานคลิปวิดีโอ ปลั๊กอิน และเอฟเฟ็กต์ต่างๆ ให้เข้ากับอารมณ์จังหวะและบรรยากาศ ของดนตรี

ชุมชน วิจัย ปฏิสัมพันธ์ระหว่างมนุษย์กับคอมพิวเตอร์ (HCI) รวมถึง ชุมชนวิจัย มัลติมีเดียได้เผยแพร่ผลงานหลายชิ้นเกี่ยวกับเครื่องมือปฏิสัมพันธ์วิดีโอ การสำรวจมีให้ใน^{[ 27 ]}

• ไซเบอร์เท็กซ์
• ไฮเปอร์มีเดีย
• ภาพยนตร์แบบอินเทอร์แอคทีฟ
• ศิลปะเชิงโต้ตอบ
• เลเซอร์ดิสก์
• ภาพยนตร์แบบมีส่วนร่วม