本文通過對市面上智能剪輯功能進(jìn)行體驗，挖掘不同產(chǎn)品的功能模式，還原產(chǎn)品的邏輯和結(jié)構(gòu)，并通過競品對比分析，總結(jié)了智能剪輯功能的迭代方向。

01 調(diào)研背景

1. 什么是智能剪輯？

傳統(tǒng)的視頻剪輯，需要人工進(jìn)行大量后期處理工作，包括手動剪輯、拼接、選擇音樂、增加轉(zhuǎn)場、調(diào)色、字幕等，門檻較高，且耗時費力。

而智能剪輯則使得整個剪輯過程更加智能化、標(biāo)準(zhǔn)化、簡單化，可顯著降低創(chuàng)作門檻，提升普通創(chuàng)作者的創(chuàng)作意愿和創(chuàng)作能力。

市面上主流短視頻產(chǎn)品已經(jīng)普遍開發(fā)了智能剪輯功能，其中核心優(yōu)化了以下三個關(guān)鍵環(huán)節(jié)：

（1）判斷素材的類型，智能組合剪輯；

（2）智能匹配音樂，結(jié)合智能剪輯，可生成音樂卡點視頻；

（3）智能增加動效，包括轉(zhuǎn)場、特效、濾鏡等豐富效果。

2. 為什么要做智能剪輯？

先上結(jié)論：智能剪輯功能可以有效降低普通用戶的生產(chǎn)門檻，幫助用戶進(jìn)行低成本地剪輯。

首先，說一下為什么主流的短視頻產(chǎn)品中有智能剪輯功能，而制作長視頻的專業(yè)剪輯軟件基本沒有這個功能。

一是因為用戶的正向選擇，使用專業(yè)剪輯軟件的用戶整體上有一定的制作能力，而日常使用短視頻APP用戶的制作能力普遍偏低，更適合使用輕量的智能剪輯功能。

二是載體本身的原因，長視頻更多是敘事結(jié)構(gòu)，適合講故事，前后邏輯關(guān)系緊密，需要結(jié)合人的思考和創(chuàng)意，而機(jī)器智能暫時無法通過聲音、文字、圖像等素材理解其邏輯。

但是短視頻則要自由得多，偏個人向主題的也較多，比如自拍、旅游、美食等等，不需要復(fù)雜的剪輯。

其次，再看一下智能剪輯功能對短視頻產(chǎn)品本身的收益。

對短視頻產(chǎn)品來說，絕大部分用戶是消費者，只有少部分用戶是生產(chǎn)者，消費者們會去消費生產(chǎn)者們創(chuàng)作的內(nèi)容，消費者們雖然有一定的創(chuàng)作意愿，但創(chuàng)作能力較弱，消費者轉(zhuǎn)變?yōu)樯a(chǎn)者的成本也較高。

即便是UGC生態(tài)的短視頻產(chǎn)品，也會逐漸從UGC發(fā)展為PGC，中間態(tài)就是所謂的UPGC。

在這個過程中，大量普通用戶生產(chǎn)的低質(zhì)量、低價值內(nèi)容會被篩選掉，而專業(yè)用戶生產(chǎn)的高質(zhì)量、高價值內(nèi)容會獲得更多曝光，到最后，我們在短視頻產(chǎn)品中看到的就基本是專業(yè)用戶生產(chǎn)的內(nèi)容了。

那為什么還要做針對普通消費者或者說尾部生產(chǎn)者的智能剪輯呢？

因為普通用戶依舊存在生產(chǎn)需求，有一定的生產(chǎn)意愿，會拍攝旅游、美食或者記錄重要的生活事件等等，而制作視頻后常常會發(fā)布在朋友圈、微博、抖音、快手等社交網(wǎng)絡(luò)中，或者直接分享給自己的家人朋友。

也就是說生產(chǎn)視頻需求的背后，本質(zhì)是社交需求。

這和消費視頻完全是兩個邏輯，幫助頭部創(chuàng)作者進(jìn)行生產(chǎn)，是為了普通消費者有內(nèi)容可看，但激勵并幫助普通用戶生產(chǎn)內(nèi)容，則是促進(jìn)用戶使用產(chǎn)品的一個重要手段，同時可以豐富UGC生態(tài)，最終涌現(xiàn)出專業(yè)生產(chǎn)者。

總結(jié)一下：

（1）目標(biāo)用戶：尾部生產(chǎn)者，典型特征是低粉、無固定創(chuàng)作主題、作品偏個人向。

（2）使用場景：拍攝旅游、美食或者記錄重要的生活事件后，想要做一個短視頻分享到自己的社交網(wǎng)絡(luò)，但是專業(yè)的視頻剪輯軟件太復(fù)雜，不太會用，也沒有時間去琢磨。

（3）滿足需求：表面滿足了小白化制作短視頻的需求，本質(zhì)是滿足了社交需求、炫耀心理。

02 調(diào)研目標(biāo)

了解市面競品智能剪輯功能的優(yōu)劣，并結(jié)合實際的業(yè)務(wù)場景與技術(shù)能力，輸出可落地的產(chǎn)品方案。

03 調(diào)研詳情

1. 競品速覽

頭部競品：抖音、快手

腰部競品：微視、VUE、美拍、小影

跨域競品：大疆、Quik

根據(jù)上表的概覽，會發(fā)現(xiàn)【智能剪輯】功能的核心要素有三個：剪裁、音樂和視覺。

首先，算法會對素材內(nèi)容進(jìn)行分析，識別素材的場景，然后匹配對應(yīng)的音樂和動效。

每個音樂都會有相應(yīng)的節(jié)拍點，根據(jù)節(jié)拍點，會對每段素材剪裁為一定的播放長度，然后拼接在一起。

這里會出現(xiàn)另一個問題，就是怎么找到每段素材中的高質(zhì)量精彩片段？

因此也需要借助算法，識別和篩選素材中的精彩片段進(jìn)行合理剪裁。

而視覺效果包括轉(zhuǎn)場特效、畫面裝飾、濾鏡、貼紙等，也需要識別素材的對應(yīng)場景進(jìn)行匹配。

通過上述的分析會發(fā)現(xiàn)，根據(jù)剪裁、音樂、動效三者之間的關(guān)系，市面上主流的【智能剪裁】功能的模式有三種：

（1）【音樂可選+無動效】：音樂根據(jù)素材進(jìn)行匹配和推薦，可手動切換，素材會根據(jù)音樂再次剪裁，無轉(zhuǎn)場、頁面裝飾等視覺效果，典型代表是抖音；

（2）【音樂固定+動效固定】：音樂和動效綁定，兩者都是固定的，不能組合，也就是集成為“模板”，每個模板的剪裁也是固定的，此時需要用戶自己手動選擇模板，典型代表是微視；

（3）【音樂可選+動效可選】：音樂根據(jù)素材進(jìn)行匹配和推薦，可手動切換，素材會根據(jù)音樂再次剪裁，同時轉(zhuǎn)場、頁面裝飾等視覺效果集成為統(tǒng)一風(fēng)格的“主題”，可進(jìn)行切換，典型代表是快手和VUE。

2. 核心競品詳述

根據(jù)以上分析，音樂智能匹配和視頻精彩片段智能選取，這兩個關(guān)鍵環(huán)節(jié)主要依靠算法解決，對于用戶而言相當(dāng)于黑盒。

而另一個關(guān)鍵點，怎么依靠音樂節(jié)拍點劃分素材的長度，則有規(guī)律可循，因此，下文將針對抖音的音樂卡點模式進(jìn)行簡單實驗，推測其智能剪裁規(guī)則。

整體分為三個環(huán)節(jié)：導(dǎo)入素材、制作流程、發(fā)布。

導(dǎo)入素材：可同時導(dǎo)入圖片和視頻，素材總數(shù)的上限是35。

制作流程：默認(rèn)音樂卡點模式，會根據(jù)匹配的音樂，對素材進(jìn)行裁剪，也可以手動調(diào)整素材片段的順序，但是因為每個音樂的卡點位置是固定的，因此每個素材片段剪裁的長度也是固定的，只能調(diào)整每段素材剪裁的位置。

舉個例子，我上傳了4段視頻，基于匹配的音樂自動剪裁后，4段素材分別的長度為：5.6s、4.4s、4.4s、5.6s。

現(xiàn)在我將第4段素材（有人像）的位置從第4個位置移動到第2個位置，然后第4段視頻（有人像）的長度從5.6s轉(zhuǎn)變?yōu)?.4s，也就是說根據(jù)素材的數(shù)量會計算音樂卡點的位置，分配相同數(shù)量的位置，每個位置的長度是固定的。

接下來，將通過簡單實驗，歸納總結(jié)其裁剪規(guī)則。

在此次簡單實驗中，通過將素材總時長逐漸增加，從3秒到890秒，我們可以看到以下規(guī)律：

（1）素材數(shù)量>=2時，才能進(jìn)入【音樂卡點】模式；

（2）素材總時長30秒左右是臨界點

1. 總時長在30秒以下的素材，裁剪后保留的比例為55%~60%；
2. 總時長在30秒以上、50秒以下的素材，裁剪后保留的時長逐漸貼近20秒，保留的時長不再有大幅的增加；
3. 總時長在50秒以下的素材，裁剪后保留的時長穩(wěn)定在20秒左右，因此保留的比例會迅速下跌；

（3）抖音導(dǎo)入素材的限制是，每段素材必須大于1秒，且素材的總數(shù)量不能超過35個；

1. 通過實驗可以看到，剪裁后的總時長上限為20秒，在最多35段素材的情況下，平均每段素材剪裁后的長度為0.57秒，因此可見”35“基本接近了維持視頻最終效果的極限，素材數(shù)量再增多，將會影響視頻效果；
2. 隨著素材數(shù)量和素材時長的增加，每段素材剪裁后的時長將逐漸接近1秒，直至1秒以下，因此需要限制每段素材必須大于1秒。

04 結(jié)論與方案

本次報告通過對市面競品的掃描，總結(jié)歸納了市面上主流【智能剪輯】功能的三種模式：

（1）【音樂可選+無動效】：音樂根據(jù)素材進(jìn)行匹配和推薦，可手動切換，素材會根據(jù)音樂再次剪裁，無轉(zhuǎn)場、頁面裝飾等視覺效果，典型代表是抖音；

（2）【音樂固定+動效固定】：音樂和動效綁定，兩者都是固定的，不能組合，也就是集成為“模板”，每個模板的剪裁也是固定的，此時需要用戶自己手動選擇模板，典型代表是快手、微視；

（3）【音樂可選+動效可選】：音樂根據(jù)素材進(jìn)行匹配和推薦，可手動切換，素材會根據(jù)音樂再次剪裁，同時轉(zhuǎn)場、頁面裝飾等視覺效果集成為統(tǒng)一風(fēng)格的“主題”，可進(jìn)行切換，典型代表是VUE。

并針對抖音的音樂卡點模式進(jìn)行了拆解，通過實驗推測其智能剪裁的規(guī)則：

（1）總時長在30秒以下的素材，裁剪后保留的比例為55%~60%；

（2）總時長在30秒以上的素材，裁剪后保留的時長逐漸貼近20秒；

（3）導(dǎo)入的每段素材必須大于1秒，且導(dǎo)入的素材總數(shù)量不能超過35個，這樣才能保證最終的視覺效果。

但是只了解其規(guī)則是不夠的，需要能夠輸出為可落地的方案才有價值。

接下來，我將結(jié)合多個競品的功能亮點，并刪繁就簡，初步策劃足夠簡單、足夠好用的【智能剪輯】功能。

1. 建議采用【音樂可選+動效可選】的模式，即根據(jù)上傳的素材進(jìn)行場景識別，智能匹配音樂和相關(guān)的視覺主題。
2. 素材需根據(jù)所匹配的音樂進(jìn)行智能裁剪，用戶手動更換音樂，需再次裁剪。
3. 視覺主題則采用通用樣式，包括通用性的頁面裝飾、濾鏡和轉(zhuǎn)場特效，用戶可手動更換，對素材剪裁沒有影響。
4. 用戶手動剪裁素材或調(diào)整素材順序需要客戶端的渲染能力，成本較高，可考慮在后續(xù)迭代。

本文由 @岳小魚 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自 Unsplash，基于CC0協(xié)議