郭一璞 发自 凹非寺
量子位 报导 | 大众号 QbitAI
人工智能技能，现在能轻松完结主动剪视频了。
只需有一篇现成的图文链接，AI就能够精确的经过图文描绘的主题，从头组织言语，主动查找资料，剪出一条短视频。
换句话说，假如看到有意思的新闻却懒得读文章，那就把你在读的这篇文章的地址输入给AI，文章就主动变成了短视频。
并且，这样的一个进程只需求几分钟的时刻，彻底无人化主动操作，你下楼买了杯咖啡，视频就主动做好了。
这个“AI做视频”技能来自百度研究院，产品的姓名，叫做VidPress。你看，它能够自己做一条视频，来报导自己的出世：
看起来就像正常的电视新闻相同。这下，视频修正们再也不必为了搜资料、改脚本、加特效、烘托导出而加班熬夜了。
做视频的AI
本质上，VidPress是做的作业是“图文转视频”，把人类写好的图文稿件从头修正成视频，能够参阅一下上面视频内容的原文：
比较之下，你会发现视频和文章的案牍部分都是相似的，但视频中用到的资料却远不止文章中这么少，增加了许多人物和场景的动态镜头，并且适当符合主题。
那一定是用语音组成做了配音部分，然后视频修正顺手搜了几个视频资料放上去了咯？
非也。整个视频都是AI生成的，视频修正只需求给出一篇文章的链接，过几分钟，热腾腾的视频就出锅了。
不信往下看。
只需有链接，视频主动生成
用VidPress来做视频，不需求视频修正有任何技能布景，会仿制张贴就行。
首要，把需求改成视频的文章地址仿制，张贴到VidPress。
然后，挑选用哪个声响组成，确认所需视频的长度以及分辨率。
现在，视频修正就能够甩手让AI开端作业了。
取得图文内容后，AI会凭借NLP模型进行语义了解，用主题模型聚合和资料。
之后，需求别离完结音频和图画的修正作业。
音频方面，体系会用多种言语模型处了解析原文，生成解说词，之后凭借语音组成技能变成音频。
而图画方面，原文中的图片肯定是不太够的，需求再查找更多视频和图片资料。资料的来历能够是视频修正自己的资料库，也能够直接实时的用百度查找来找资料。
找到资料后，需求凭借人脸辨认、物体辨认、OCR、视频内容了解等技能来解析了解视频资料的内容，主动剪切选取适宜的片段。
有了视频资料宽和说词音频文件，需求把两者合二为一。在这个使命上，百度自研了两代对齐算法，第一代对齐算法是根据阶段的对齐，第二代则是根据锚点的时刻轴对齐算法。
第二代对齐的算法首要需求找出解说词里观众的爱好点，然后再将搜到的资料和这些爱好点,进行相关度打分，归纳考虑资料的来历、相似度、图片/视频内容的贴合度、内容质量等方面。
之后，得分高的资料就首先被翻牌子，放到视频时刻轴里爱好点的方位。而剩余的资料就会被填充到空地里，最终再对整个时刻轴的内容散布做调整。
现在，AI就把视频做好了，烘托一下，便是一个完好的视频。
这样的一个进程只花费几分钟后。当修正再次切回VidPress页面，视频现已主动生成好了，还主动配好了字幕。
之后，修正也能够人工修正。假如觉得某一部分的案牍不够好，能够替换修正成所需的案牍从头导出视频。
胜在速度
固然，VidPress现在还无法完结真人视频博主那样专门策划拍照的短视频著作，可是假如用来做新闻简讯类视频，那VidPress的水平现已满足完结商业应用了，除了没有真人播音员，做出来视频的姿态和曾经的电视新闻节目非常相似。
可是它胜在速度太快，生成一条视频或许只需十几分钟，而其中一半的时刻都是AI在主动作业，人类视频修正只需张贴链接，设置好声响时刻分辨率就行了，再也不必苦苦守在电脑前剪视频了。
能够说，用这种方法来作业，做视频的时刻比往各个渠道发视频的时刻都短，曾经一小时的作业，或许现在10分钟就能完结，再也不必加班熬夜，短视频修正们要笑着迎候955了。
有了这样的编排功率，当瓜来了的时分，其他修正还在哼哧哼哧找资料剪视频，用VidPress的修正现已做好了视频，发给了吃瓜大众，还没等撤热搜就能够收成10W+，乐滋滋。
现在，VidPress生成一个2分钟左右的720p视频, 所需时刻的中位数仅为2.5分钟。
而在百度美观视频内部，整个渠道每天能够出产500到1000条视频，并且这些视频所环绕的新闻热点都是体系主动发现、主动生成的。只需服务器在跑，即便躺在家里，渠道上就会有连绵不断的视频呈现，并主动分发给观众。
如此高的出产功率，简直是短视频范畴的一记惊雷。
现在短视频火得乌烟瘴气，正处盈利期，无论是腾讯、头条仍是百度自己，都在争相自研或出资短视频渠道，这类东西一旦敞开，会是大大小小创作者、MCN们争抢商场的巨大机会，AI制作的短视频，会像当年的我国制作相同，涌入各个视频渠道，成为新的一波流量收割机。
究竟，图文内容的出产所带来的本钱，可比视频内容低得多，只需写好文章，分分钟就会有配套的视频出来，同一份勤劳，收成多几倍的流量，那么至少在现在阶段，这类AI生成视频便是触手可得的盈利。
或许不久之后，我们就能够看视频版的量子位了呢。
