擁抱短視頻，可能是最近自媒體圈中最為流行的關鍵詞。

單是微信視頻號的灰度測試，就讓媒體圈重度地震，原本隱藏在文字背后的“中年大叔”們勇敢出鏡，試圖抓住新生的機會窗口。和媒體朋友們日常聊天的話題，也不自覺地拐向了短視頻，有人購置了專業(yè)的影像設備，有人連忙招聘熟悉視頻剪輯的助理……

于是當百度研究院推出AI合成短視頻平臺VidPress的消息傳出后，媒體圈里再次炸開了鍋，排著隊通過百度創(chuàng)作大腦進行測試申請，爭先將自己剛剛寫就的深度文轉化為有聲有色的短視頻。畢竟VidPress的“果子”不可謂不誘人，只要輸入一個圖文內容的鏈接，就能自動生成相應的視頻內容，極大地節(jié)約了成本和心力。

一番嘗鮮后，有人給了VidPress高分評價，也有人對效果的不滿意而詬病。鑒于兩種或贊或罵的態(tài)度，這里分享一下個人對VidPress的思考，到底是理想又一次敗給了現實，還是一開始就期許過高？

01 智能化內容生產的原理

VidPress詮釋的視頻生產方式，足以用“智能”一詞來形容。

用戶輸入圖文內容的鏈接后，VidPress將在9分鐘的時間內完成視頻素材的聚合、解說詞生成、語音合成、音視頻對齊和渲染導出等一連串的“騷操作”，平均每天可以生產500到1000條視頻，妥妥秒殺了整條街的“剪刀手”。

這樣的內容生產方式夸張嗎？不妨先來看看“黑魔法”背后的技術原理。

整個內容生產過程可以分為三個環(huán)節(jié)：

第一個環(huán)節(jié)是音頻內容的生成，平臺基于多種語言模型對圖文內容的文字部分進行處理，然后自動生成一篇字數符合要求且適合視頻呈現的解說詞，再通過文字轉音頻服務(TTS)合成解說詞語音；

同步進行的環(huán)節(jié)是視頻內容的生成，平臺會對圖文內容進行語義理解，根據文章內容自動搜索相關素材，再通過計算機視覺技術對素材進行分析和理解，然后精選出合適的素材進行智能剪輯合成；

最后一個環(huán)節(jié)是音視頻的對齊，這就涉及到百度的第二代時間軸對齊算法，選取文本中的興趣點，再將視頻片段與興趣點的相關度進行打分，優(yōu)質的視頻片段將優(yōu)先放入時間軸，最終進行渲染輸出。

對于熟悉百度技術體系或產品體系的朋友來說，恐怕不會驚訝VidPress的存在邏輯。單是百度大腦已經對外開放的技能中，諸如自然語言理解、語音合成、計算機視覺相關的技能就占了不小的比重。聚焦到產品上，小度智能音箱的語音問答、動態(tài)播報、人臉識別等等，都不難在VidPress找到相似的技術。

只是短視頻內容的生產從來都不是純粹的技術工作，素材、創(chuàng)意、選題等都影響著最后的視頻質量。VidPress的價值在于利用算法和模型降低了素材搜集、整理、匹配、剪輯的時間成本，與當下大多數落地應用的人工智能產品相似，尚未實現取代人工甚至完勝人工的智能化程度。

也就是說，現階段的VidPress還只是輔助人工合成視頻，降低了短視頻剪輯的門檻和成本，本質上是為內容生產提供了新的思路。

02 視頻合成中的制約因素

有些遺憾的是，不少媒體朋友看到新聞后對VidPress進行了測試，然后出現了一些負面的過度解讀。

為什么會出現視頻合成效果不盡如意的現象？還是要回到視頻內容生成的環(huán)節(jié)。就技術層面來說，素材的智能識別、匹配、剪輯等過程已經沒有太大的技術瓶頸，問題恰恰出在了內容素材的廣度上。

畢竟現階段的人工智能遠未達到自主生產視頻內容的程度，VidPress也需要對網上的內容進行搜索匹配，扮演了內容“搬運工”的角色。對應的一幕就是：在科技、娛樂、軍事等內容素材豐富的領域，VidPress的表現不乏可圈可點之處，也不難看到一些精彩的視頻案例；在一些新聞素材比較少的冷門領域，合成視頻的效果也就打了折扣。

舉兩個通俗易懂的例子。

倘若你上傳的是娛樂圈和某明星相關的內容，不難在網上搜羅出豐富的素材，畢竟可以找到海量的電影、電視劇、綜藝等資源，VidPress可以在人臉識別算法、時間軸對齊算法的基礎上，對素材內容進行精準識別、匹配、合成，內容豐富度和流暢度上恐怕不輸于專業(yè)的視頻剪輯團隊。

如果圖文內容屬于情感、公益、社會相關的冷門內容，話題本身就比較寬泛，其中還有較大比重的敏感內容，可以使用的內容素材也就相對有限，導致平臺可以聚合的內容素材數量偏低，即便技術和算法進一步優(yōu)化，也難逃“巧婦難為無米之炊”的困境。

歸根結底，內容素材的豐富度才是VidPress場景應用時的制約因素。

同時需要思考的恰恰是我們對內容生產的態(tài)度，VidPress的基本價值在于工具，提供了一種有別于傳統(tǒng)人工的視頻合成思路，降低了視頻內容生產的難度值?？蓪τ诿襟w人來說，仍然需要躬身打磨內容輸出有價值的觀點，繼而利用VidPress實現價值的最大化，畢竟視頻只是傳播的載體，優(yōu)質內容永遠是話語權的關鍵。

或許對VidPress也是一種啟示，經過了前期的試錯后，還需要對產品的定位進行調整，比如在定制化與垂直品類上增加力度，在適用場景上進行選擇，盡可能避開小眾內容在素材上的限制，打造通用的解決方案。

03 未來可能的產品方向

站在百度的立場上，在短視頻的風口期推出AI合成短視頻平臺，恐怕不是為了秀技術吸引眼球。

從圖文到短視頻再到直播，內容的傳播方式越來越多元化，但在傳播載體不斷進化的時候，內容的生產方式似乎有些陳舊。從博客時代到公眾號時代，從長視頻時代到短視頻時代，內容的表達越來越個性化，可內容生產一直是“笨拙”的人工。

內容傳播載體的進化制造了一個又一個風口，當內容創(chuàng)作方式同步進化時，卻可能改變一個時代，所能創(chuàng)造的想象空間同樣不可小覷。截止到目前，VidPress還處于小批量免費試用的階段，與百度內部人士進行溝通后發(fā)現，等待VidPress可能會有工具和平臺兩種產品方向。

從工具的方向來看，VidPress大概率會以SaaS服務的形態(tài)存在，可以在百度智能云上部署運營，也可以進行私有化部署。前一種可以服務大部分內容創(chuàng)作者，提供視頻快速剪輯合成的線上工具，并且可以與內容版權方進行跨界合作，為創(chuàng)作者提供一站式的視頻內容生產服務；后一種則是將能力賦予專業(yè)化的內容團隊，以人工智能的技術優(yōu)勢幫助創(chuàng)作團隊提升效率、降低成本。

從平臺的方向上看，VidPress將在現有工具屬性的基礎上，與百家號、好看視頻、百度聯盟等內容生態(tài)打通，形成視頻內容生產、分發(fā)、變現的完整產業(yè)鏈。只是生態(tài)化布局的前提是解決內容版權的局限，當前VidPress還僅是邀請測試，并不涉及商業(yè)用途，正式開放后就需要百度提供免費的版權視頻庫，與一些第三方視頻版權庫合作，并設計出一套按需付費的商業(yè)模式。

當然，上述的種種可能只是猜測，最終的產品演化方向還要靠百度的產品經理們給出回答。但這樣的產品出現，對媒體的影響要遠大于某個內容平臺的崛起，我們不僅要思考下一波流量在哪里，還需要深入思索自身的核心競爭力在哪里，如何與人工智能進行分工協同，在未來的內容生態(tài)中準確找到自身的定位。

幾乎可以篤定，傳統(tǒng)純消耗腦力和時間的內容生產終將被被顛覆，卻也是VidPress的第二代或者第三代產品的使命，現階段還有些“稚嫩”。

04 寫在最后

相較于被下一個風口拋棄的焦慮，不妨多花點時間思考內容消費的內在邏輯：當一個熱點出現時，需要多維度的觀察的報道，需要讓受眾客觀的了解事件的始末，也就需要多種不同的聲音。輸出有價值的信息，可以說是內容創(chuàng)作最基本的競爭力，剩下的無非是基于成本、效率和用戶口味的權衡。

VidPress試圖呈現的正是降低“發(fā)聲”的門檻，推動互聯網內容的多樣性。只是現階段還要先延遲一些期待，靜待VidPress后續(xù)的能力輸出。