慧川智能CEO康洪文：開放API 幫助全網視頻結構化| CCF-GAIR 2017

過往視頻編導的標簽幾乎都是熬夜、通宵，每天工作到凌晨三四點甚至通宵是常態。慧川智能CEO康洪文看來，這中間存在太多的重復勞作，因此，去年年底，康洪文與團隊成員共同確定了AI+視頻的創業ider。

7月8日，在由中國計算機學會（CCF）主辦、雷鋒網與香港中文大學（深圳）承辦的第二屆CCF-GAIR全球人工智能與機器人峰會AI+專場上，康洪文重點介紹了AI+視頻中，視頻的創作以及視頻處理理解兩方面工作。

首先，關于視頻創作，慧川智能希望做到“讓人只要會寫文章，就會做視頻”。對于人來講，創造力是無限的，文字工作者有強大的圖文創造能力與講故事能力，不該被制造視頻的繁瑣工作局限掉。加之如今短視頻市場的爆發趨勢，更該大力布局。

據雷鋒網了解，目前視頻網絡用戶已突破5.5億，并保持每年8.1%的增長速度。

康洪文以公眾號文章為例稱，通過到頭條以及微信公眾號平臺統計，這兩個平臺每天產出文章數量為100萬篇以上。根據大數據分析，里面67%的文章都非常適合用視頻的方式來呈現，以及這種類型與慧川智能研發的技術也非常契合。重要的是，目前這兩個平臺上視頻覆蓋率還非常低，因此有一個非常大的空間等待填補。

除了公眾號，以淘寶為代表的電商上有十億級商品，也被寄予制成視頻的希望。康洪文現場演示，基于網頁界面，將任意網頁或文字輸入，后臺AI算法會根據這段文字進行分析，找到里面所有關鍵點，比如提到阿爾法狗和柯潔的比賽，后臺就根據自然語言去處理這些關鍵部分，如時間、地點、人物。通過文章的語義分析，自動與素材進行匹配，對每一段話、每一個句子找到對應的多媒體素材，比如圖片、視頻、社交媒體分享，進而自動生成故事線。

康洪文表示，如此步驟下，生成可以直接使用的視頻，是最理想狀態，但如果有需要進一步修改的話，可以在生成界面基礎上再進行素材調整，比如，還可以截取每個視頻片段長度、起始時間，甚至在圖片上添加一些像畫字或者文字的信息。

據雷鋒網了解，通過慧川智能系統，視頻制作效率可能被提升近百倍。之前花費幾小時制作的視頻，如今通過智能手段，可被壓縮至幾十秒。

在具體步驟上，首先根據輸入文章或者網頁進行文本分析，通過自然語言處理技術分析發現關鍵信息，之后再跟結構化素材庫進行匹配和搜索，找到相關的圖片、視頻片段和社交媒體，之后還有部分延伸的廣告進行匹配。慧川智能提供簡便的在線剪輯和預覽平臺，客戶只需要注冊一個賬號就可以進行剪輯，以及視頻預覽，滿意之后直接點擊生成視頻，在云端即可生成下載。

整個提升視頻制作效率的系統結構，大致分為三部分——計算機視覺、自然語言處理、以及大規模計算。這三個部分正好對應慧川智能三位創始人的背景——康洪文康慧文于卡耐基梅隆大學專攻人工智能視頻理解，CTO黃健博士是康在微軟的同事，在谷歌從事過搜索引擎與商品推薦，首席架構官劉曦博士主攻大視頻分析平臺。

康慧文表示，面臨的最大挑戰是對視頻結構化信息一無所知。從根本上講，慧川智能是希望將視頻結構化，根據三維形態的視頻流，理解其內部的人與物，以及他們正在進行的動作，把它構建一個精確到幀級的視頻內容標簽。

同時，康洪文表示，此次會開放一個API，幫助對視頻有需求的人進行理解，進而促進全網視頻結構化。其主要包括兩大功能——一個是視頻內容的理解和標簽化，提供包括時間、地點、人物、事件等一千多個視頻結構化標簽。另外，慧川創造了全球明星的數據庫，當輸入一段視頻，后臺可以將這個視頻出現的所有明星，出現的位置，從第幾幀到第幾幀的具體位置全部標注出來。目前慧川智能已收錄全球最知名的500位明星。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。