百度研究院推出AI新神器：只要不到10分钟 文章自动变视频
郭一璞 发自 凹非寺
量子位 报道 | 公众号 QbitAI
人工智能技术，现在可以实现自动剪视频了。
只要有一篇现成的图文链接，AI就可以根据图文描述的主题，重新组织语言，自动搜寻素材，剪出一条短视频。
换句话说，如果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，文章就自动变成了短视频。
而且，这个过程只需要几分钟的时间，完全无人化自动操作，你下楼买了杯咖啡，视频就自动做好了。
这个“AI做视频”技术来自百度研究院，产品的名字，叫做VidPress。你看，它可以自己做一条视频，来报道自己的出生：
看起来就像正常的电视新闻一样。这下，视频编辑们再也不用为了搜素材、改脚本、加特效、渲染导出而加班熬夜了。
做视频的AI
本质上，VidPress是做的事情是“图文转视频”，把人类写好的图文稿件重新编辑成视频，可以参考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文案部分都是类似的，但视频中用到的素材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，而且相当契合主题。
那一定是用语音合成做了配音部分，然后视频编辑随手搜了几个视频素材放上去了咯？
非也。整个视频都是AI生成的，视频编辑只需要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。
只要有链接，视频自动生成
用VidPress来做视频，不需要视频编辑有任何技术背景，会复制粘贴就行。
首先，把需要改成视频的文章地址复制，粘贴到VidPress。
然后，选择用哪个声音合成，确定所需视频的长度以及分辨率。
现在，视频编辑就可以放手让AI开始工作了。
获得图文内容后，AI会借助NLP模型进行语义理解，用主题模型聚合相关新闻和素材。
之后，需要分别完成音频和图像的编辑工作。
音频方面，系统会用多种语言模型处理解析原文，生成解说词，之后借助语音合成技术变成音频。
而图像方面，原文中的图片肯定是不太够的，需要再搜寻更多视频和图片素材。素材的来源可以是视频编辑自己的素材库，也可以直接实时的用百度搜索来找素材。
找到素材后，需要借助人脸识别、物体识别、OCR、视频内容理解等技术来解析理解视频素材的内容，自动剪切选取合适的片段。
有了视频素材和解说词音频文件，需要把两者合二为一。在这个任务上，百度自研了两代对齐算法，第一代对齐算法是基于段落的对齐，第二代则是基于锚点的时间轴对齐算法。
第二代对齐的算法首先需要找出解说词里观众的兴趣点，然后再将搜到的素材和这些兴趣点,进行相关度打分，综合考虑素材的来源、相似度、图片/视频内容的贴合度、内容质量等方面。
之后，得分高的素材就率先被翻牌子，放到视频时间轴里兴趣点的位置。而剩下的素材就会被填充到空隙里，最后再对整个时间轴的内容分布进行调整。
现在，AI就把视频做好了，渲染一下，就是一个完整的视频。
这个过程只花费几分钟后。当编辑再次切回VidPress页面，视频已经自动生成好了，还自动配好了字幕。
之后，编辑也可以人工修改。如果觉得某一部分的文案不够好，可以替换编辑成所需的文案重新导出视频。
胜在速度
诚然，VidPress目前还无法完成真人视频博主那样专门策划拍摄的短视频作品，但是如果用来做新闻简讯类视频，那VidPress的水平已经足够实现商业应用了，除了没有真人播音员，做出来视频的样子和以前的电视新闻节目十分类似。
但是它胜在速度太快，生成一条视频可能只要十几分钟，而其中一半的时间都是AI在自动工作，人类视频编辑只要粘贴链接，设置好声音时间分辨率就行了，再也不用苦苦守在电脑前剪视频了。
可以说，用这种方式来工作，做视频的时间比往各个平台发视频的时间都短，以前一小时的工作，可能现在10分钟就能完成，再也不用加班熬夜，短视频编辑们要笑着迎接955了。
有了这样的剪辑效率，当瓜来了的时候，别的编辑还在哼哧哼哧找素材剪视频，用VidPress的编辑已经做好了视频，发给了吃瓜群众，还没等撤热搜就可以收获10W+，美滋滋。
目前，VidPress生成一个2分钟左右的720p视频, 所需时间的中位数仅为2.5分钟。
而在百度好看视频内部，整个平台每天可以生产500到1000条视频，而且这些视频所围绕的新闻热点都是系统自动发现、自动生成的。只要服务器在跑，即使躺在家里，平台上就会有源源不断的视频出现，并自动分发给观众。
如此高的生产效率，简直是短视频领域的一记惊雷。
如今短视频火得一塌糊涂，正处红利期，无论是腾讯、头条还是百度自己，都在争相自研或投资短视频平台，这类工具一旦开放，会是大大小小创作者、MCN们争抢市场的巨大机遇，AI制造的短视频，会像当年的中国制造一样，涌入各个视频平台，成为新的一波流量收割机。
毕竟，图文内容的生产成本，可比视频内容低得多，只要写好文章，分分钟就会有配套的视频出来，同一份辛勤，收获多几倍的流量，那么至少在目前阶段，这类AI生成视频就是触手可得的红利。
或许不久之后，大家就可以看视频版的量子位了呢。