全智能一鍵成片，讓內(nèi)容創(chuàng)作的「邊際成本」逼近于零。

大模型和AIGC技術(shù)的發(fā)展，可以用“日新月異”來(lái)形容，其迭代速度史無(wú)前例，涌現(xiàn)出的各類(lèi)垂直應(yīng)用模型，也使得音視頻行業(yè)的應(yīng)用場(chǎng)景更加廣泛和多樣化。

然而，視頻化浪潮洶涌、視頻“消費(fèi)”速度不斷加快，視頻內(nèi)容消費(fèi)的需求與供給的矛盾依然突出。

當(dāng)云和AI走向深度融合，AI不再僅僅作為單點(diǎn)能力應(yīng)用在某個(gè)環(huán)節(jié)，一切皆向著“全智能”演進(jìn)。

阿里云「云端智能剪輯」正式推出一鍵成片能力，讓視頻生產(chǎn)力不斷“提速”，內(nèi)容生產(chǎn)成本不斷降低，以“全智能”帶來(lái)視頻創(chuàng)作顛覆式提效。

一鍵成片的2種“思路”

全智能的「一鍵成片」能力，支持以下兩種成片思路方案。

l 方案一：腳本化自動(dòng)成片

適合于已有比較明確的成片邏輯結(jié)構(gòu)和對(duì)應(yīng)的素材準(zhǔn)備，通過(guò)設(shè)定腳本結(jié)構(gòu)及期望成片數(shù)量，自動(dòng)化批量完成制作。

l 方案二：智能圖文匹配成片

適合于已有素材準(zhǔn)備，期望能根據(jù)口播文案（支持AI智能生成），自動(dòng)截取并智能匹配素材中的關(guān)聯(lián)資源片段，一鍵實(shí)現(xiàn)完美音畫(huà)同步的效果。

如上圖所示，以制作哈爾濱文旅視頻為例，當(dāng)視頻結(jié)構(gòu)已明確為“城市風(fēng)貌”、“歷史底蘊(yùn)”、“吃喝玩樂(lè)”，并為每個(gè)節(jié)點(diǎn)關(guān)聯(lián)對(duì)應(yīng)的圖片或視頻素材時(shí)，方案一「腳本化自動(dòng)成片」將按照結(jié)構(gòu)順序整體排布，各節(jié)點(diǎn)隨機(jī)選擇素材，根據(jù)搭配口播文稿進(jìn)行時(shí)長(zhǎng)自適應(yīng)，一鍵批量生成指定數(shù)量的視頻。

當(dāng)已確定該視頻的口播文案內(nèi)容時(shí)，可使用方案二「智能圖文匹配成片」提交期望匹配的對(duì)應(yīng)素材資源，系統(tǒng)將針對(duì)每句口播文本在素材中智能截取片段，完成視頻制作。

3大核心亮點(diǎn)

內(nèi)容生產(chǎn)「全智能提效」

運(yùn)用大模型技術(shù)對(duì)文案稿件（支持AI智能生成）進(jìn)行智能化分析，依據(jù)分析結(jié)果自動(dòng)匹配對(duì)應(yīng)素材，并通過(guò)AI音色合成、片段優(yōu)選、自動(dòng)對(duì)齊、花字字幕及背景樣式智能組合等操作，一鍵實(shí)現(xiàn)內(nèi)容生產(chǎn)的全鏈路、全智能提效。

多維場(chǎng)景「高自由擴(kuò)展」

基于深厚的剪輯制作服務(wù)能力積淀，在成片風(fēng)格、樣式、分辨率尺寸格式等維度，具備高自由度的個(gè)性化定制能力及擴(kuò)展性，滿(mǎn)足不同場(chǎng)景應(yīng)用下的多樣化需求。

門(mén)檻降低「一站式成片」

由AI智能生成完成極大部分繁瑣工作，結(jié)果可導(dǎo)入可視化編輯界面（即將上線(xiàn)）由人工完成極小部分“精修”美化和把控，通過(guò)更高效的內(nèi)容生產(chǎn)方式填補(bǔ)內(nèi)容缺口，極大節(jié)省人力、進(jìn)一步降低內(nèi)容生產(chǎn)的成本與門(mén)檻。

可探索的N個(gè)場(chǎng)景

場(chǎng)景1：影視解說(shuō)

如果你時(shí)常刷刷“電子榨菜”，那么一定看過(guò)“注意看眼前的男人叫小帥，眼前的女人叫小美”之類(lèi)的視頻，這些3-5分鐘解說(shuō)完一部電影或電視劇的視頻，其實(shí)有著較為格式化的制作模版，如果依靠人工進(jìn)行文本內(nèi)容提煉、劇集畫(huà)面匹配、逐幀裁剪、時(shí)長(zhǎng)控制等，無(wú)法高效、低成本滿(mǎn)足大眾對(duì)于內(nèi)容消費(fèi)的需求。

通過(guò)「一鍵成片」，將解說(shuō)文本與對(duì)應(yīng)劇集關(guān)聯(lián)并提交，大模型會(huì)將解說(shuō)場(chǎng)景自動(dòng)定位劇情片段，在選擇智能配音后，便能按照預(yù)期片長(zhǎng)快速完成全局的鏡頭畫(huà)面、口播音頻的對(duì)齊生成。

場(chǎng)景2：賽事/綜藝“拆條”

高價(jià)購(gòu)買(mǎi)了賽事版權(quán)或是高成本拍攝綜藝，如何發(fā)揮它們的“長(zhǎng)尾效應(yīng)”？一個(gè)出圈的“看點(diǎn)”短視頻片段，會(huì)吸引觀(guān)眾啟動(dòng)對(duì)長(zhǎng)視頻內(nèi)容的消費(fèi)，帶火一場(chǎng)已經(jīng)結(jié)束的比賽或綜藝節(jié)目。

在當(dāng)內(nèi)容“拆條”速度快30秒，單條視頻可多收獲2000萬(wàn)流量（據(jù)咪咕視訊相關(guān)報(bào)道）。通過(guò)「一鍵成片」，將創(chuàng)意文案與版權(quán)視頻關(guān)聯(lián)匹配素材，結(jié)合花字字幕、背景樣式、成片風(fēng)格需求，在更短的時(shí)間內(nèi)產(chǎn)出更多高質(zhì)量可用的視頻。

場(chǎng)景3：新聞視頻制作

在當(dāng)前新聞視頻化的趨勢(shì)下，記者、編輯需要基于文字稿件進(jìn)行新聞視頻制作。其中，素材收集和排版工作占到工作時(shí)長(zhǎng)的80%以上，而新聞?lì)悆?nèi)容對(duì)內(nèi)容準(zhǔn)確度和素材質(zhì)量要求較高，如果使用生成式大模型或簡(jiǎn)單的檢索匹配，產(chǎn)生的內(nèi)容從質(zhì)量到準(zhǔn)確度可控性差，難以實(shí)際落地應(yīng)用。

通過(guò)「一鍵成片」能力，將新聞稿件關(guān)聯(lián)至指定素材庫(kù)，大模型將針對(duì)稿件自動(dòng)分析、分段，并針對(duì)每段關(guān)鍵信息從資源庫(kù)片段智能截取，進(jìn)行素材優(yōu)選、有序拼接、AI口播對(duì)齊、模板整合等全智能操作，并可人工預(yù)覽及手動(dòng)微調(diào)，從而在分鐘級(jí)完成新聞?lì)惓善?/p>

上述三個(gè)場(chǎng)景之外，「一鍵成片」還可廣泛運(yùn)用于其他N個(gè)場(chǎng)景。如：營(yíng)銷(xiāo)視頻的批量化混剪，快速分發(fā)內(nèi)容帶來(lái)更多流量曝光；或是助力觀(guān)點(diǎn)類(lèi)、知識(shí)類(lèi)、熱點(diǎn)類(lèi)等PGC高效完成視頻化制作、保持內(nèi)容輸出頻率，降低因視頻剪輯帶來(lái)的創(chuàng)作門(mén)檻和工作量。

AIGC時(shí)代下，聚焦智能媒體服務(wù)，阿里云視頻云不斷探索內(nèi)容生產(chǎn)力變革的更多可能，在云端智能剪輯產(chǎn)品之上，以創(chuàng)新升級(jí)的「一鍵成片」能力，拓展更多應(yīng)用場(chǎng)景的想象空間。

歡迎加入官方答疑「釘釘群」咨詢(xún)交流：48335001108