图片来源@Unsplash

近日，百度研究院推出了一个“黑科技”平台VidPress，可以用AI一键完成短视频剪辑。这是百度研究院孵化的业内首个支撑通用型、能够大规模生产的智能视频合成平台。

据悉，用户仅需一键输入新闻的图文内容链接，其余工作可由VidPress平台自动完成。自动化完成的步骤包括智能化的聚合视频素材、生成解说词、进行语音合成和音视频对齐等工序。包括渲染导出在内，整套制作流程能够在9分钟以内完成，从发现热点到最终生成视频完成自动化。

该技术已经在百度旗下短视频平台好看视频上获得大量应用。根据好看视频使用数据, 目前生成一个清晰度为720p、时长2分钟左右的视频，所需时长的中位数为2.5分钟。平台每天可以生产500到1000条视频。

百度AI合成短视频示意图（来源：百度）

百度研究院数据显示，VidPress所生成的视频播放完成率比好看视频的大盘高出15%，其中一些热门视频已经有了85万的播放量。

AI“剪刀手”如何诞生？

在具体的操作上，第一个环节是素材的收集整理。用户输入图文内容后, 例如输入某条新闻事件的链接，平台将基于NLP模型进行语义理解, 并通过主体模型聚合相关新闻素材，以及从同一主题相关新闻里抽取更多的素材及其语义表征，以此保证素材内容相关且丰富。

第二个环节，是语音生成解说词，以及进行素材的深度挖掘与整理。

一方面，平台基于多种语言模型对原文进行处理，自动生成一篇字数符合要求且适合视频呈现的解说词，并通过百度文字转音频服务(TTS)合成解说词语音。

与此同时, 平台会根据对原文的理解, 通过自有视频库和百度全网搜索，对最新最适合呈现的内容进行聚合。利用人脸识别、物体识别、视频内容理解等计算机视觉服务技术进行解析，完成视频素材的剪切组合。

上述两个步骤完成后，平台将基于解说词的音轨时间轴和所聚合的媒体片段，进入音视频对齐剪辑过程。

此处应用的时间轴对齐算法，能够选取出文本中的兴趣点, 再将媒体片段与兴趣点进行相关度打分，将优质媒体片段优先放入时间轴，希望以此引发用户的兴趣。在时间轴生成完毕后，数据将转交给渲染器生成完整视频，整合过程耗时可以保证在9分钟以内。

“一键式“操作行不行？

对于AI剪视频功能，钛媒体也在第一时间进行了体验。

如图，用户需要输入文章链接，链接目前仅支持百家号文章，建议是娱乐类内容。用户可以自行选择发音类型和视频时长。

图文生成视频界面

钛媒体以《谁来保卫我们的白衣天使？》一文为例进行了体验。以下为百度AI生成的视频新闻：

如视频所示，视频解说词由AI自动生成，虽然内容上有些不连贯，但基本选取了文章中的关键内容，能够看出文章的大体脉络。

在使用体验上，该产品更多针对的是新媒体小白用户，可以实现“傻瓜式”操作，相对比较友好。新闻体裁上，该产品更适合快讯型视频新闻，可以一定程度上减少人力和时间成本。

但另一方面，由于强调AI全自动剪辑，全部视频内容均由AI自动组合，用户无法对内容进行修改和编辑，因此也存在很大的局限性。如果在视频生成前，VidPress可以给用户权限进行修改和编辑，那在剪辑产品中可能会更有竞争力。

除此以外，素材的版权问题也存在隐忧。该平台抓取的素材来源于百度自有视频库和百度搜索引擎，而搜索引擎里的内容百度并非都有版权。特别是在用户提供的链接内容信息量不够时，AI就会更依赖外部抓取，其中不仅有素材，还有成品。

在钛媒体体验过程中，也出现了AI自动抓取到一些视频自媒体原创作品的情况。显然，想要做全自动化的AI视频剪辑，版权问题也不可小觑。

当前，VidPress仍然是个基础版。百度方面表示，AI新闻视频还存在很多可能性。例如，可以针对不同垂直分类或投放渠道进行定制合成，又或者是针对用户特点进行视频定制等等。

（本文首发钛媒体，作者/芦依，编辑/宇航，钛媒体编辑Yitao对本文亦有贡献）