百度视频黑科技 Vidpress体验

背景

2020年4月20日，百度研究院宣布已孵化出业界首个支撑通用型、大规模生产的智能视频合成平台VidPress。号称可以通过一段图文信息自动生成为一段视频。

《百度研究院宣布孵化出首个智能视频合成平台VidPress》

因为日常剪辑也会遇到很多文字稿配画面的困惑，所以立刻网上搜索后在“百度大脑”的“智能创作中心”找到了测试申请入口，因为我只是属于一个个人爱好者，抱着试试看的心态，提交了信息。原本这件事情也就结束了，因为之后没有得到任何反馈，我还猜想百度嫌弃我个人爱好者拒绝了我的申请。

神奇的事情发生了，今天接到了北京百度公司来的电话，询问我Vidpress的使用体验，重新找到入口页面发现居然开放给我测试了，于是立刻开始上手测试一下这个黑科技。

测试流程

目前因为还是测试阶段，所以界面还比较简单，不过好在提供了页面手工生成的提交入口，省去了使用API方式开发的繁琐。但第一阶段的内容必须是百度号发布的内容，并且似乎只能是官方内容，如果是个人百度号发布出来内容会由于域名不一致而拒绝提交。

当选定了一个百度号的内容后，选择朗读文字内容配音，可以选择男声或女生，设置一下预计时长，点击“生成视频”就可以了。

一般一个节目生成大约需要15分钟左右，看当时运算的繁忙程度而定。

体验及原理猜测

百度号内容主要为图文混排内容，Vidpress会对文字进行TTS的处理，然后首先优先会使用混排中的图片，同时根据文字内容去外部再获取一些配套的图片用于丰富展示。但这个外部自动获取是有一定概率问题，比如我的测试影片，在第三、四段有关电商直播、泰森复出影片中，外部图片调用的非常顺畅合理，总体感觉还比较舒适。但第一段不知是否是文字内容原因，配套内容有些莫名其妙。第二段总体因为内容中的图片本来就比较多，所以看不出外部调用，但在关键人物上自动加上了字幕。

测试影片

第一部 图片配的莫名其妙

内容原有文案：

《吉林市：前往外地须持两天内核酸阴性报告，方可登记出城

生成视频

第二部 基本上以原文配图为主，但自动对主体做了字幕标注

内容原有文案：

《窦靖童晒与王菲合照，母女俩罕见同框，笑容灿烂画面温馨》

生成视频

第三部 广泛的引入了外部图片和视频

内容原有文案：

《53岁泰森晒最新训练视频高调宣布复出：我回来了》

生成视频

第四部 广泛的引入了外部图片素材

内容原有文案：

《留给直播电商的时间不多了》

生成视频

测试后话

相比较以前在油管等渠道上看到直接整片文字的TTS朗读来说，配了图片的视频感受上确实好了很多，从操作角度也只是简单的给一个源地址就可以，如果用于内容的批量化生产，变图文内容为视频，是一种非常便捷的方式。

目前测试情况看，素材库由于用的多为百度图库等免费免版权资源，质量上还是有些欠缺，如果可以把这个做成私有云能力，叠加一些企业做的收费资料库，估计整体体验会好很多。由于测试阶段限制了输入图文信息的来源，如果再开放一点范围，或者可以自己上传文章，可能测试会更有意思。

话说以后逐步剪辑师是不是会下岗呀！