UWP 手绘视频创作工具技术分享系列 - 有 AI 的手绘视频

Posted 2020-10-28 lonelyxmas

原文:UWP 手绘视频创作工具技术分享系列 - 有 AI 的手绘视频

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

 

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。

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。

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！