欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

UWP 手绘视频创作工具技术分享系列 - 有 AI 的手绘视频

程序员文章站 2022-06-24 09:16:17
AI(Artificial Intelligence)正在不断的改变着各个行业的形态和人们的生活方式,图像识别、语音识别、自然语言理解等 AI 技术正在自动驾驶、智能机器人、人脸识别、智能助理等领域中发挥着越来越重要的作用。 那么当手绘视频遇到 AI,有 AI 的手绘视频领域,有 AI 的 UWP ......

AI(Artificial Intelligence)正在不断的改变着各个行业的形态和人们的生活方式,图像识别、语音识别、自然语言理解等 AI 技术正在自动驾驶、智能机器人、人脸识别、智能助理等领域中发挥着越来越重要的作用。

那么当手绘视频遇到 AI,有 AI 的手绘视频领域,有 AI 的 UWP 手绘视频创作工具,会发生些什么呢?我们从12月23日的一次发布会开始讲起吧:

2018年短视频新生态峰会暨来画新品发布会

UWP 手绘视频创作工具技术分享系列 - 有 AI 的手绘视频 UWP 手绘视频创作工具技术分享系列 - 有 AI 的手绘视频

在本次发布会上,来画视频发布了正式上线的 iOS Android 手绘视频 App 和一系列新功能,二更、同道大叔、Prezi 创始人等也带来了短视频行业的精彩分享,而在 AI 方面,更是发布了两大核心功能:智能配音和智能绘画。

众所周知,在视频中,图像和声音是最重要的两个因素,而对应到手绘视频中,则是配音和手绘素材:

1. 配音

首先来说配音,在配音方面,来画与科大讯飞进行了深度合作。科大讯飞是国内外语音识别和语音生成领域领先的人工智能公司,而本次合作也是科大讯飞在短视频领域的首次尝试,双方都对本次合作寄予了很高的期待。过往大家想制作一个短视频时,配音需要专业配音人员完成。因为我们很多人的声音或者对语速、语音的控制完成不了专业的要求。但依靠来画和科大讯飞完成的智能配音功能,如下图的操作方式,用户只需要输入简单的文字以及你想使用谁的声音。比如葛优、林志玲或者其他人的声音,可以设置基本语速,还可以做相应停顿,就可以一键生成视频中需要的配音,把它结合到手绘视频中。

由于手绘视频不像拍摄视频那样对配音的音画同步要求那么严格,我们在实现时更多的是针对手绘视频的每个分镜头进行配音生成,让每个分镜头的配音是和当前画面同步的。针对每个分镜头,可以设置不同的语音来源,不同的语速,配合转场动画设置不同的停顿时间。

在技术实现上,借助科大讯飞的 tts 技术,获得每个分组的 mp3 语音文件,在手绘视频预览和生成时,把多个 mp3 文件合成到视频文件的音轨中,设置不同的音量和语音开始时间、语音长度等信息。为保证语音生成的成功率(时长和同步方面),在输入文字后,可以根据文字数量,以及设置的语速和停顿时间,来预估语音的时长,减少反复转换尝试。

UWP 手绘视频创作工具技术分享系列 - 有 AI 的手绘视频

2.  手绘素材

在中国,有数亿的手绘爱好者,大家渴望用手绘视频的方式来表达自己的感受。但是苦于绘画基础的差异,很多人没办法很顺利的完成手绘视频的创作。
为此,目前来画视频平台积累了大量的手绘素材,拥有丰富的标签和精准的分类,让用户可以随心的选择。
尽管如此,来画还在不断探索更好的技术方式来满足用户对手绘素材的需求,降低创作门槛。而这种技术方式就是来画的 AI。
来画 AI 由三部分组成:手绘路径的智能识别、智能优化和智能生成。
这是一个不断递进的过程,当用户绘制一段路径时,来画 AI 算法可以识别和理解路径,推荐出最符合用户想法的分类素材供选择,选择后还可以做智能填色等后续处理。比如用户在画类似圆形的路径,AI 可以识别为圆,球形,水果等;而在用户画了两个圆形,再去画一个梯形时,AI 会认为你想画一辆汽车。这就是我们目前研发完成的智能识别功能,它可以极大降低用户创作素材的时间和难度。
而更进一步,当用户绘制一段路径,比如曲线时,AI 算法识别和理解路径,并对曲线中有偏差的部分路径做出局部纠正和优化,这样可以在降低创作时间难度的基础上,极大的保留用户的手绘内容和风格。
最终,我们要实现的是 AI 自动绘画,你只需要告诉 AI 你想画的内容,AI 就可以依照对该用户绘制风格的理解和评定,自动完成整副画作的绘制,包括整体画风、路径、颜色填充等。这样的来画AI,能够极大的降低用户创作素材的时间和难度,让所有没有绘画基础的人,也可以快速的完成高质量的属于自己的手绘视频创作,这才是来画 AI 要实现的目标。

UWP 手绘视频创作工具技术分享系列 - 有 AI 的手绘视频

在技术实现方面,智能识别是图像识别的深度学习,具体说是手绘草稿的识别范畴;在算法模型的训练方面,我们对接近 400 个分类的 4000w 个 SVG 数据进行了数据清洗和标注、训练,目前算法对于常见图形的识别效果很好,随着这一功能的上线,后面也会加强更多分类的数据采集和训练工作;而智能优化和智能生成,除了对于草稿的图像识别,还有对于绘制图形的路径理解和目标图形的路径理解,这也是后面突破的重点方向。

结合了配音功能和手绘素材智能识别的 UWP 来画视频将会在接下来发布,欢迎大家下载使用,多提宝贵意见。

对这两个方面感兴趣的朋友,欢迎和我交流,谢谢!