圖片來源@Unsplash
近日，百度研究院推出了一個“黑科技”平臺VidPress，可以用AI一鍵完成短視頻剪輯。這是百度研究院孵化的業內首個支撐通用型、能夠大規模生產的智能視頻合成平臺。
據悉，用戶僅需一鍵輸入新聞的圖文內容鏈接，其餘工作可由VidPress平臺自動完成。自動化完成的步驟包括智能化的聚合視頻素材、生成解說詞、進行語音合成和音視頻對齊等工序。包括渲染導出在內，整套製作流程能夠在9分鐘以內完成，從發現熱點到最終生成視頻完成自動化。
該技術已經在百度旗下短視頻平臺好看視頻上獲得大量應用。根據好看視頻使用數據, 目前生成一個清晰度為720p、時長2分鐘左右的視頻，所需時長的中位數為2.5分鐘。平臺每天可以生產500到1000條視頻。
百度研究院數據顯示，VidPress所生成的視頻播放完成率比好看視頻的大盤高出15%，其中一些熱門視頻已經有了85萬的播放量。
AI“剪刀手”如何誕生？
在具體的操作上，第一個環節是素材的收集整理。用戶輸入圖文內容後, 例如輸入某條新聞事件的鏈接，平臺將基於NLP模型進行語義理解, 並通過主體模型聚合相關新聞素材，以及從同一主題相關新聞裡抽取更多的素材及其語義表徵，以此保證素材內容相關且豐富。
第二個環節，是語音生成解說詞，以及進行素材的深度挖掘與整理。
一方面，平臺基於多種語言模型對原文進行處理，自動生成一篇字數符合要求且適合視頻呈現的解說詞，並通過百度文字轉音頻服務(TTS)合成解說詞語音。
與此同時, 平臺會根據對原文的理解, 通過自有視頻庫和百度全網搜索，對最新最適合呈現的內容進行聚合。利用人臉識別、物體識別、視頻內容理解等計算機視覺服務技術進行解析，完成視頻素材的剪切組合。
上述兩個步驟完成後，平臺將基於解說詞的音軌時間軸和所聚合的媒體片段，進入音視頻對齊剪輯過程。
此處應用的時間軸對齊算法，能夠選取出文本中的興趣點, 再將媒體片段與興趣點進行相關度打分，將優質媒體片段優先放入時間軸，希望以此引發用戶的興趣。在時間軸生成完畢後，數據將轉交給渲染器生成完整視頻，整合過程耗時可以保證在9分鐘以內。
“一鍵式“操作行不行？
對於AI剪視頻功能，鈦媒體也在第一時間進行了體驗。
如圖，用戶需要輸入文章鏈接，鏈接目前僅支持百家號文章，建議是娛樂類內容。用戶可以自行選擇發音類型和視頻時長。
圖文生成視頻界面
鈦媒體以《誰來保衛我們的白衣天使？》一文為例進行了體驗。以下為百度AI生成的視頻新聞：
如視頻所示，視頻解說詞由AI自動生成，雖然內容上有些不連貫，但基本選取了文章中的關鍵內容，能夠看出文章的大體脈絡。
在使用體驗上，該產品更多針對的是新媒體小白用戶，可以實現“傻瓜式”操作，相對比較友好。新聞體裁上，該產品更適合快訊型視頻新聞，可以一定程度上減少人力和時間成本。
但另一方面，由於強調AI全自動剪輯，全部視頻內容均由AI自動組合，用戶無法對內容進行修改和編輯，因此也存在很大的侷限性。如果在視頻生成前，VidPress可以給用戶權限進行修改和編輯，那在剪輯產品中可能會更有競爭力。
除此以外，素材的版權問題也存在隱憂。該平臺抓取的素材來源於百度自有視頻庫和百度搜索引擎，而搜索引擎裡的內容百度並非都有版權。特別是在用戶提供的鏈接內容信息量不夠時，AI就會更依賴外部抓取，其中不僅有素材，還有成品。
在鈦媒體體驗過程中，也出現了AI自動抓取到一些視頻自媒體原創作品的情況。顯然，想要做全自動化的AI視頻剪輯，版權問題也不可小覷。
當前，VidPress仍然是個基礎版。百度方面表示，AI新聞視頻還存在很多可能性。例如，可以針對不同垂直分類或投放渠道進行定製合成，又或者是針對用戶特點進行視頻定製等等。
（本文首發鈦媒體，作者/蘆依，編輯/宇航，鈦媒體編輯Yitao對本文亦有貢獻）
閱讀更多 鈦媒體APP 的文章
