LLM实现视频切片&合成 前沿知识调研

1.相关产品

产品 链接
腾讯智影 https://zenvideo.qq.com/
可灵 https://klingai.kuaishou.com/
即梦 https://jimeng.jianying.com/ai-tool/home/
Runway https://aitools.dedao.cn/ai/runwayml-com/
Descript https://www.descript.com/?utm_source=ai-bot.cn/
Opus Clip https://www.opus.pro/not-available?utm_source=ai-bot.cn/
Wondershare Filmora https://www.wondershare.com
AI Podcast Clips https://app.simplified.com/social-media
Vadoo AI https://ai.vadoo.tv/
WUI.AI https://www.wui.ai/zh-CN/clip-settings
FunClip https://github.com/modelscope/FunClip
AutoCut https://github.com/mli/autocut

2. 功能

产品 功能
腾讯智影 支持在线剪辑、素材库比较多、文生视频、视频解说、数字人播报
可灵 文本生成视频、图片生成视频、文字生成图片
即梦 文本生成视频、图片生成视频、文字生成图片
Runway 图片生成视频、文本生成视频、文本转语音(提供大量音色)、文本生成图片
Descript 基于文本剪辑视频
Opus Clip 视频切片 :自动从长视频中提取精彩片段,生成短视频。AI分析 :使用人工智能技术分析视频内容,识别亮点和重要时刻。一键生成短视频 :提供快速生成短视频的选项,简化编辑流程。片段选择:允许用户手动选择或调整Al挑选的片段,以确保最多视频符合预期。视频编辑:提供基本的视频编辑功能,如裁剪、排序和调整片段。
Wondershare Filmora AI助手剪辑 :使用个人AI助理编辑视频(分段,有点短),改善编辑流程。AI文字型编辑 :将视频转换成文字,并使用基于文字的AI编辑,像编辑文件一样方便。AI缩略图制作 :使用有效的缩略图吸引观众目光。AI音乐生成器 :立即创作各种风格、情感和节奏的音乐。10,000+高质视频模板 :告别枯燥的编辑工作,提升影片品质。创意资源拓展:超过1,500万个文字、音频、转场、特效和贴纸等资源。跨平台支持:在电脑、iPad和手机上编辑、存储和分享内容。
AI Podcast Clips 自动分析视频 :识别关键时刻和说话人变化。长视频变短视频(精华) :自动生成带有字幕的短视频剪辑。 提供视频编辑器以调整视频比例和分辨率预测 视频剪辑在社交媒体上的潜在表现(分数) 。支持最大500MB的视频文件。
Vadoo AI 长视频变短视频
WUI.AI 长切短、总结、拆分章节、增加字幕
FunClip 阿里开源的基于LLM的智能剪辑
AutoCut 基于Markdown的可视化剪辑

3. 使用体验

目前国内大多数聚焦于大模型实现文生图文生视频很少 有基于LLM实现智能剪辑 的应用。国外关于LLM实现智能剪辑的产品较多 ,如WUI.AIOpus Clip (国内不能访问),智能剪辑体验 起来比较丝滑 ,但存在剪辑视频断头断尾技术不开源 的问题。国内阿里开源的FunClip 提供了智能视频剪辑的解决方案,但同样存在剪辑视频断头断尾文字和时间戳不在同一轨道的情况。

4. FunClip底层技术

阿里开源的Funclip技术如下:

1)将视频转化为音频(ffmpeg);

2)使用ASR模型完成音频的转录;

3)基于转录的字幕使用LLM完成精华的提取;

4)根据LLM提取的内容,使用movie完成基于时间戳实现视频的剪辑。

5. Autocut底层技术

AutoCut 对你的视频自动生成字幕。然后你选择需要保留的句子,AutoCut 将对你视频中对应的片段裁切并保存。你无需使用视频编辑软件,只需要编辑文本文件即可完成剪切。采用的ASR 模型是Open AI 开源的whisper 模型。

在使用AutoCut的时候,剪辑需要基于Markdown进行点击(费时费眼),且需要自己对视频理解的十分透彻 。为此我们可以基于LLM完成精彩片段 的提炼,然后编写正则表达式对Markdown内容进行自动点击。

6.未完待续

1)使用OCR实现ASR识别字幕的不准确性。

参考内容 https://zhuanlan.zhihu.com/p/10856868833

2)编写长变短、按照主题提取的Prompt模版。

参考

相关推荐
畅联云平台26 分钟前
美畅物联丨视频接入网关如何通过私有协议添加到视频汇聚平台
服务器·音视频
5Gcamera44 分钟前
RTK北斗高精度定位4G执法记录仪在铁路作业安全风险管控中的应用
音视频·智能安全帽·执法记录仪·smarteye
春末的南方城市1 小时前
浙大|腾讯|华为 提出定制化视频生成框架VideoMaker,可通过参考图实现Zero-shot定制化视频生成。
人工智能·计算机视觉·aigc·音视频·图像生成
drebander1 小时前
Whisper-Medium 模型:音频转文本的原理、实践与硬件推荐
whisper·音视频
先睡2 小时前
Maven
开发语言·python
赵谨言3 小时前
基于 Python 的学生成绩管理系统设计与实现
经验分享·python·毕业设计
drebander3 小时前
OmniAudio-2.6B 简介与音频转文本实践
语言模型·音视频
winxp-pic3 小时前
批量为视频生成字幕
音视频
_可乐无糖3 小时前
深度解析 pytest 参数化与 --count 执行顺序的奥秘
android·python·ui·ios·appium·自动化·pytest