視頻編輯中人工智能技術(shù)的應(yīng)用分析

張 博

（天津廣播電視臺(tái) 天津300000）

近幾年，人工智能技術(shù)越來(lái)越完善，自然語(yǔ)言以及圖像領(lǐng)域等人工智能技術(shù)的不斷進(jìn)步，促進(jìn)了人工智能技術(shù)不斷運(yùn)用到實(shí)際工作中。在視頻編輯過(guò)程中科學(xué)地使用人工智能技術(shù)，可以極大地減少視頻制作的難度以及工作任務(wù)，這促使越來(lái)越多的人加入到了短視頻的制作中來(lái)，從而有效提高了短視頻的質(zhì)量和數(shù)量，進(jìn)而不斷地提高了文稿的品質(zhì)。

一、人工智能視頻編輯工具的設(shè)計(jì)

（一）視頻編輯能力

對(duì)于非線性視頻編輯而言，可以提供一系列的編輯功能，比如剪切、貼圖以及摳像等。另外，還可以提供多種模板，比如特效與字幕條模板。手機(jī)豎屏的比例為9:16，橫屏有16:9以及4:3兩種，前者是高清的，后者是標(biāo)清的。無(wú)論是分辨率的輸出，還是尾角標(biāo)的預(yù)設(shè)，都是能夠支持的，便于使用者進(jìn)行使用。

（二）智能化能力

人工智能視頻編輯中具有多種智能化的輔助編輯功能，其中有對(duì)字幕進(jìn)行配音，對(duì)視頻中的字幕進(jìn)行提取，對(duì)多種語(yǔ)言的字幕形式進(jìn)行翻譯，將圖片和文字視頻化以及虛擬主播等功能。另外，還能夠?qū)⒁徽淖謨?nèi)容或者一組圖片自動(dòng)合成視頻。

（三）資源整合

人工智能視頻編輯可以對(duì)其內(nèi)部的資源進(jìn)行整合和優(yōu)化，能夠?qū)?nèi)部的稿件、視頻、圖片以及音頻等素材加入到視頻編輯器中進(jìn)行再次使用，這極大地增強(qiáng)了資源的使用效率。

（四）無(wú)縫對(duì)接采編流程

利用人工智能視頻編輯器可以與發(fā)稿系統(tǒng)進(jìn)行無(wú)縫連接，能夠?qū)崿F(xiàn)成品視頻一鍵建稿，還可以對(duì)稿件中的視頻進(jìn)行修改和編輯，可以全面完成稿件編輯修改時(shí)的多人以及異地共享的形式。

二、人工智能技術(shù)的應(yīng)用

基于視頻編輯，對(duì)于人工智能技術(shù)的運(yùn)用，本文主要從字幕自動(dòng)配音、視頻字幕提取、虛擬主播、智能編目和檢索、圖片視頻化、文字視頻化等方面進(jìn)行探究，僅供參考。

（一）字幕自動(dòng)配音

對(duì)視頻進(jìn)行編輯時(shí)，通常會(huì)對(duì)編輯好的解說(shuō)詞實(shí)行配音播報(bào)，大多數(shù)都是采用人工錄制的形式對(duì)其配音，當(dāng)配音工作完成之后，還應(yīng)該對(duì)字幕上的時(shí)間實(shí)行修改，從而將字幕和配音的時(shí)間完美結(jié)合，這項(xiàng)工作的任務(wù)量是非常大的。而且，如果不是專業(yè)的配音人員，可能會(huì)存在其發(fā)音不標(biāo)準(zhǔn)的情況。對(duì)此，可以采用語(yǔ)音合成的智能化手段，將字幕一鍵編程配音，并且還能將字幕以及時(shí)間變成一致。人工智能視頻可以提供中、英、日、韓等九種語(yǔ)言的字幕配音，并且還有男聲和女聲多個(gè)模板可以選取，對(duì)配音的語(yǔ)速也可以進(jìn)行調(diào)整。

（二）視頻字幕提取

其另一種功能是能夠?qū)σ曨l中的同期聲進(jìn)行字幕匹配，通常情況下是在會(huì)議發(fā)言以及采訪訪談等過(guò)程中使用。在傳統(tǒng)編輯過(guò)程中，是需要對(duì)同期聲上的字幕進(jìn)行逐句聽(tīng)打的，對(duì)于字幕上的時(shí)間還是需要人工實(shí)行調(diào)整的，這是一件比較復(fù)雜的事情。當(dāng)運(yùn)用語(yǔ)音識(shí)別技術(shù)后，可以對(duì)視頻中的語(yǔ)音進(jìn)行一鍵識(shí)別，同時(shí)形成唱詞字幕，并且還能將字幕以及語(yǔ)音進(jìn)行自動(dòng)匹配，對(duì)此只要稍加改正就能夠完成?，F(xiàn)如今，在環(huán)境因素以及發(fā)音狀況都比較好的情況下，對(duì)于中英文語(yǔ)言的轉(zhuǎn)換可以保證有98%以上的準(zhǔn)確率，因此其可行性很高。

（三）虛擬主播

人工智能不但能夠?qū)崿F(xiàn)字幕與配音，新聞主播也可以利用人工智能技術(shù)進(jìn)行自動(dòng)合成，在需要加入新聞主播的場(chǎng)景中，加入主播的解說(shuō)詞，就能夠一鍵合成虛擬主播。同時(shí)，主播的口型以及語(yǔ)音播報(bào)的內(nèi)容能夠達(dá)到完全一致。另外，主播還能夠選取多種形象以及背景，并且還能對(duì)語(yǔ)速進(jìn)行調(diào)整，將合成后的虛擬主播插入到需要的地方就可以。對(duì)于以綠幕為背景的主播，還可以采用人工智能視頻編輯中的摳圖功能，將綠幕背景一鍵消除，從而完美融入到視頻中去。

（四）智能編目和檢索

在視頻制作中，對(duì)于素材的選擇，屬于一項(xiàng)較為困難的工作。尤其是素材庫(kù)編目缺乏細(xì)致，從而不得不針對(duì)大量的歷史素材，從中尋找需要的片段，這進(jìn)一步增加了難度。對(duì)于以往的人工編目而言，會(huì)耗用較多的時(shí)間與精力，而且對(duì)于編目的標(biāo)準(zhǔn)，并不很適合當(dāng)作內(nèi)容檢索。在有效應(yīng)用智能識(shí)別技術(shù)的基礎(chǔ)上，針對(duì)視頻素材，能夠自動(dòng)識(shí)別其中的重要要素，包含很多種識(shí)別，比如語(yǔ)音識(shí)別，由此達(dá)到片段級(jí)檢索的目的，在較短時(shí)間內(nèi)找出所需片段，并且加到項(xiàng)目中，從而能夠極大地節(jié)約時(shí)間。

（五）圖片視頻化

對(duì)于想要將圖片轉(zhuǎn)化成視頻的想法，也可以采用人工智能視頻編輯手段，將稿庫(kù)中需要的圖片變換成視頻內(nèi)容，同時(shí)，還能夠自動(dòng)加入轉(zhuǎn)場(chǎng)特效以及字幕說(shuō)明和配樂(lè)等，使用者只要將自動(dòng)合成后的視頻實(shí)行微調(diào)就能夠完成制作了。一般情況下，圖片稿都是采用組圖的形式，一組圖片述說(shuō)一個(gè)事情，一般都為十幾或二十幾張，而且還要求圖片之間要有較高的關(guān)聯(lián)性，要對(duì)此加入圖片進(jìn)行說(shuō)明，包括總說(shuō)明以及分說(shuō)明，因此是非常適合用來(lái)制作短視頻的。從稿庫(kù)中選擇出需要的圖片后，再對(duì)圖片的播放時(shí)間、轉(zhuǎn)場(chǎng)特效以及背景音樂(lè)等進(jìn)行選擇，就可以一鍵合成視頻。然后可以依照具體的音樂(lè)節(jié)拍以及播放時(shí)間對(duì)圖片的時(shí)長(zhǎng)作出適當(dāng)調(diào)整。同時(shí)，可依照畫(huà)面中的具體內(nèi)容對(duì)圖片進(jìn)行適當(dāng)?shù)恼{(diào)整，可以對(duì)其大小、方位以及背景等進(jìn)行調(diào)整，接著對(duì)字幕上的內(nèi)容實(shí)行修改，讓它和視頻內(nèi)容相一致，最后對(duì)其添加包裝，就將短視頻制作好了。接下來(lái)，可以依照節(jié)目的實(shí)際需要，將圖片優(yōu)化，圖片視頻的效果以及模板的細(xì)節(jié)之處，可以將一個(gè)模板設(shè)置為一檔節(jié)目，同時(shí)可結(jié)合音樂(lè)效果，將素材的拼接效果進(jìn)行完善，從而增加自動(dòng)化技術(shù)的成片度，有效降低使用者的工作任務(wù)量。

（六）文字視頻化

人工智能視頻編輯還能夠?qū)⑽淖指遛D(zhuǎn)變成文字腳本的視頻，選取一篇文字稿后，可以將文字中的關(guān)鍵詞進(jìn)行提取，從資源庫(kù)中搜索出視頻以及圖片等素材，從而選取出和它匹配度較高的素材自動(dòng)銜接，合成視頻項(xiàng)目，同時(shí)，還能將文字腳本合成字幕以及配音。對(duì)于合成效果而言，除了和關(guān)鍵詞提取有關(guān)，也和檢索的準(zhǔn)確度有著聯(lián)系。如果素材相對(duì)較長(zhǎng)，則內(nèi)容也是較為復(fù)雜的，尤其是成品素材，往往由一系列新聞構(gòu)成，在實(shí)際應(yīng)用過(guò)程中，要定位到實(shí)際片段開(kāi)展切割。在提取關(guān)鍵詞之后，應(yīng)當(dāng)注重其時(shí)效性。另外，還有邏輯關(guān)系，針對(duì)相同的事件，在處于不同角度的情況下，所報(bào)道的內(nèi)容有著一定的區(qū)別。對(duì)于所含段落較多的文章，段落講述的內(nèi)容存在一定的區(qū)別，可以采取兩種方式，一是對(duì)素材的篩選，二是文章關(guān)鍵詞的提取，從而獲取更為理想的效果，

三、人工智能視頻編輯技術(shù)實(shí)現(xiàn)

對(duì)人工智能視頻編輯而言，其工具使用B/S架構(gòu)，系統(tǒng)由多層組合而成，比如分布層以及服務(wù)層。以前端發(fā)布層來(lái)看，其包含兩項(xiàng)服務(wù)，一是Web頁(yè)面，二是流媒體播放。通過(guò)多項(xiàng)技術(shù)，比如webgl技術(shù)，從而實(shí)現(xiàn)web頁(yè)面服務(wù)，用不著安裝軟件，在頁(yè)面上就可以進(jìn)行訪問(wèn)操作，全部編輯操作都是可以看見(jiàn)的。而對(duì)于流媒體服務(wù)而言，就是根據(jù)nginx建立，主要負(fù)責(zé)一系列文件的預(yù)覽以及下載，比如視頻文件。對(duì)于后端業(yè)務(wù)層而言，主要負(fù)責(zé)兩方面內(nèi)容，一是數(shù)據(jù)的管理，二是業(yè)務(wù)邏輯處理，提供一系列功能。比如素材與模板管理、素材檢索等。以后端業(yè)務(wù)層來(lái)看，其屬于底層以及前端的橋梁，使用者編輯操作，在借助業(yè)務(wù)層的基礎(chǔ)上，實(shí)現(xiàn)對(duì)底層渲染的轉(zhuǎn)換，以便能夠形成可識(shí)別的指令。通過(guò)業(yè)務(wù)層，可以向頁(yè)面通知渲染的進(jìn)度以及情況。底層服務(wù)層由渲染服務(wù)以及智能服務(wù)構(gòu)成，渲染服務(wù)是對(duì)素材的預(yù)處理以及成品的合成進(jìn)行服務(wù)，智能服務(wù)是對(duì)全部的人工智能處理進(jìn)行管理，其內(nèi)容主要有全文檢索、語(yǔ)音合成以及智能翻譯等。數(shù)據(jù)存儲(chǔ)層是采用NAS技術(shù)對(duì)用戶的素材、編輯文件以及成品文件等進(jìn)行存儲(chǔ)，同時(shí)采用mysql技術(shù)對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行保存。

結(jié)語(yǔ)

人工智能視頻編輯器是一種新形式的智能化在線編輯器，是對(duì)傳統(tǒng)編輯軟件的補(bǔ)充和完善。在視頻制作中采用人工智能技術(shù)，在很大程度上降低了制作的要求，極大地增強(qiáng)了資源的利用率，促使傳統(tǒng)的文字以及圖片編輯也加入到短視頻制作中，增加了視頻制作的效率以及數(shù)量，促進(jìn)了短視頻的全面發(fā)展?！?/p>