你写脚本，AI自动剪视频：13分钟完成剪辑师7小时创作

镜头自然切换，节奏又快又慢。创建如此高质量的视频需要什么样的专业编辑技能？答案是，不要剪，只要写就行了。

例如，要编辑关于长颈鹿的剪辑，你只需要告诉人工智能:长颈鹿是世界上最大的动物，以它的长腿和脖子而闻名。长颈鹿是世界上最高的动物，以它的长腿和脖子而闻名。它脖子上有棕色鬃毛，头上有两个毛。它脖子上有棕色的鬃毛，头上有两只毛茸茸的角。

人工智能可以像这样自动编辑图片:

首先显示长颈鹿组的整个图片。然后摄像机切下一只奔跑的长颈鹿，展示它的长腿和脖子。根据说明，给鬃毛和角特写，一起生活！

是的，你不必选择材料，你可以一帧一帧地来回走:

你只需要把你头脑中的想法翻译成简短的文字。这个名为“写视频”的人工智能可以读取你的思想，从材料选择到编辑，并且一步完成创作。

这是由北航、清华、哈佛和以色列赫兹跨学科研究中心的科学家共同创造的最新人工智能产品。生成视频只需要主题脚本。

用文字创作视频

现在，准备好材料，让我们看看“写视频”是如何“写”视频的。

整个过程分为三个步骤。

第一步，用户以文本形式提供输入。视频写作选出句子中的关键词。

第二步，视频写作将使用关键字在材料库中挑选匹配的候选片段。

文本与镜头的视觉语义匹配主要包括两个步骤:关键词匹配和视觉语义嵌入。

首先，人工智能将根据脚本从素材库中检索所有带有关键词标签的视频镜头。

material library中的所有视频都被分成快照进行语义匹配，用户可以在下一步正式编辑视频时使用电影术语来指导人工智能的创建。《视频写作》的作者和北京航空航天大学的老师王淼说，视频写作允许用户在输入文本中使用电影术语来探索每个场景的不同视觉风格，例如调整电影和电影的节奏。

此外，还采用了基于直方图的分割算法。如果HSV色域中帧间直方图差异超过80%，并且跟踪的SURF关键点不匹配超过80%，则该算法将以两帧为边界分割镜头。

太长(30秒)或太短(2秒)的镜头也会被丢弃，因为短镜头看起来不太好，而长镜头会降低效率和可变性。

然后，视觉语义嵌入技术将为每个检索到的镜头计算匹配分数，并且将选择排名最高的镜头作为候选镜头。

这里使用的方法是VSE(见文章末尾的文章地址)。该方法可以将跨模型内容编码到联合特征空间中，例如链接文本和镜头。

在嵌入空间中，从镜头中每十帧提取一帧，计算它与文本之间的余弦相似度，最后取平均值，这是判断镜头是否可以被选中的最终得分。

第三步，是完成视频编辑的这些镜头的组合。

这一步实际上是通过写视频对镜头进行混合优化。它也有自己的审美标准。

首先，画面应该明亮生动。

其次，镜头不能晃动太多。

最后，避免不连续的跳跃切割和相反的摄像机运动。

值得一提的是，写视频非常用户友好。

找到相应的镜头，剪切并重新排列，所有这些都是文本编辑的形式，例如添加、删除文本和移动句子。你不需要掌握编辑技巧，更不用说键入代码了。

不仅如此，在下面的视频中，您会发现键入的文本可以转换成语音旁白来渲染电影氛围。

并且叙述和视频完全同步，这非常自然。当提到白金汉宫时，镜头自然转向白金汉宫的正面。说到皇家卫队，照片是在演出中送给皇家卫队的。

研究小组说，与商业逐帧视频编辑器相比，视频写作要快得多。

使用视频写作，即使新手也能以更快的速度(13分钟:7小时)完成视频编辑任务，而且质量也不亚于专业编辑。

在刚刚结束的2019年亚洲SIGGRAPH会议上，研究小组报告并展示了视频写作的结果，该结果得到了国际同行的广泛认可。《视频写作》的第一作者王淼博士目前是北京航空航天大学虚拟现实技术与系统国家重点实验室的助理研究员和硕士研究生导师。