本文通過對市面上智能剪輯功能進行體驗，挖掘不同産品的功能模式，還原産品的邏輯和結構，并通過競品對比分析，總結了智能剪輯功能的叠代方向。

01 調研背景

1. 什麼是智能剪輯？

傳統的視頻剪輯，需要人工進行大量後期處理工作，包括手動剪輯、拼接、選擇音樂、增加轉場、調色、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、标準化、簡單化，可顯著降低創作門檻，提升普通創作者的創作意願和創作能力。

市面上主流短視頻産品已經普遍開發了智能剪輯功能，其中核心優化了以下三個關鍵環節：

（1）判斷素材的類型，智能組合剪輯；

（2）智能匹配音樂，結合智能剪輯，可生成音樂卡點視頻；

（3）智能增加動效，包括轉場、特效、濾鏡等豐富效果。

2. 為什麼要做智能剪輯？

先上結論：智能剪輯功能可以有效降低普通用戶的生産門檻，幫助用戶進行低成本地剪輯。

首先，說一下為什麼主流的短視頻産品中有智能剪輯功能，而制作長視頻的專業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，更适合使用輕量的智能剪輯功能。

二是載體本身的原因，長視頻更多是叙事結構，适合講故事，前後邏輯關系緊密，需要結合人的思考和創意，而機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、旅遊、美食等等，不需要複雜的剪輯。

其次，再看一下智能剪輯功能對短視頻産品本身的收益。

對短視頻産品來說，絕大部分用戶是消費者，隻有少部分用戶是生産者，消費者們會去消費生産者們創作的内容，消費者們雖然有一定的創作意願，但創作能力較弱，消費者轉變為生産者的成本也較高。

即便是UGC生态的短視頻産品，也會逐漸從UGC發展為PGC，中間态就是所謂的UPGC。

在這個過程中，大量普通用戶生産的低質量、低價值内容會被篩選掉，而專業用戶生産的高質量、高價值内容會獲得更多曝光，到最後，我們在短視頻産品中看到的就基本是專業用戶生産的内容了。

那為什麼還要做針對普通消費者或者說尾部生産者的智能剪輯呢？

因為普通用戶依舊存在生産需求，有一定的生産意願，會拍攝旅遊、美食或者記錄重要的生活事件等等，而制作視頻後常常會發布在朋友圈、微博、抖音、快手等社交網絡中，或者直接分享給自己的家人朋友。

也就是說生産視頻需求的背後，本質是社交需求。

這和消費視頻完全是兩個邏輯，幫助頭部創作者進行生産，是為了普通消費者有内容可看，但激勵并幫助普通用戶生産内容，則是促進用戶使用産品的一個重要手段，同時可以豐富UGC生态，最終湧現出專業生産者。

總結一下：

（1）目标用戶：尾部生産者，典型特征是低粉、無固定創作主題、作品偏個人向。

（2）使用場景：拍攝旅遊、美食或者記錄重要的生活事件後，想要做一個短視頻自己的社交網絡，但是專業的視頻剪輯軟件太複雜，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，本質是滿足了社交需求、炫耀心理。

02 調研目标

了解市面競品智能剪輯功能的優劣，并結合實際的業務場景與技術能力，輸出可落地的産品方案。

03 調研詳情

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

根據上表的概覽，會發現【智能剪輯】功能的核心要素有三個：剪裁、音樂和視覺。

首先，算法會對素材内容進行分析，識别素材的場景，然後匹配對應的音樂和動效。

每個音樂都會有相應的節拍點，根據節拍點，會對每段素材剪裁為一定的播放長度，然後拼接在一起。

這裡會出現另一個問題，就是怎麼找到每段素材中的高質量精彩片段？

因此也需要借助算法，識别和篩選素材中的精彩片段進行合理剪裁。

而視覺效果包括轉場特效、畫面裝飾、濾鏡、貼紙等，也需要識别素材的對應場景進行匹配。

通過上述的分析會發現，根據剪裁、音樂、動效三者之間的關系，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】：音樂根據素材進行匹配和推薦，可手動切換，素材會根據音樂再次剪裁，無轉場、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“模闆”，每個模闆的剪裁也是固定的，此時需要用戶自己手動選擇模闆，典型代表是微視；

（3）【音樂可選 動效可選】：音樂根據素材進行匹配和推薦，可手動切換，素材會根據音樂再次剪裁，同時轉場、頁面裝飾等視覺效果集成為統一風格的“主題”，可進行切換，典型代表是快手和VUE。

2. 核心競品詳述

根據以上分析，音樂智能匹配和視頻精彩片段智能選取，這兩個關鍵環節主要依靠算法解決，對于用戶而言相當于黑盒。

而另一個關鍵點，怎麼依靠音樂節拍點劃分素材的長度，則有規律可循，因此，下文将針對抖音的音樂卡點模式進行簡單實驗，推測其智能剪裁規則。

整體分為三個環節：導入素材、制作流程、發布。

導入素材：可同時導入圖片和視頻，素材總數的上限是35。

制作流程：默認音樂卡點模式，會根據匹配的音樂，對素材進行裁剪，也可以手動調整素材片段的順序，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，隻能調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後，4段素材分别的長度為：5.6s、4.4s、4.4s、5.6s。

現在我将第4段素材（有人像）的位置從第4個位置移動到第2個位置，然後第4段視頻（有人像）的長度從5.6s轉變為4.4s，也就是說根據素材的數量會計算音樂卡點的位置，分配相同數量的位置，每個位置的長度是固定的。

接下來，将通過簡單實驗，歸納總結其裁剪規則。

在此次簡單實驗中，通過将素材總時長逐漸增加，從3秒到890秒，我們可以看到以下規律：

（1）素材數量>=2時，才能進入【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，裁剪後保留的比例為55%~60%；
2. 總時長在30秒以上、50秒以下的素材，裁剪後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，裁剪後保留的時長穩定在20秒左右，因此保留的比例會迅速下跌；

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

1. 通過實驗可以看到，剪裁後的總時長上限為20秒，在最多35段素材的情況下，平均每段素材剪裁後的長度為0.57秒，因此可見”35“基本接近了維持視頻最終效果的極限，素材數量再增多，将會影響視頻效果；
2. 随着素材數量和素材時長的增加，每段素材剪裁後的時長将逐漸接近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 結論與方案

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

（1）【音樂可選 無動效】：音樂根據素材進行匹配和推薦，可手動切換，素材會根據音樂再次剪裁，無轉場、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“模闆”，每個模闆的剪裁也是固定的，此時需要用戶自己手動選擇模闆，典型代表是快手、微視；

（3）【音樂可選 動效可選】：音樂根據素材進行匹配和推薦，可手動切換，素材會根據音樂再次剪裁，同時轉場、頁面裝飾等視覺效果集成為統一風格的“主題”，可進行切換，典型代表是VUE。

并針對抖音的音樂卡點模式進行了拆解，通過實驗推測其智能剪裁的規則：

（1）總時長在30秒以下的素材，裁剪後保留的比例為55%~60%；

（2）總時長在30秒以上的素材，裁剪後保留的時長逐漸貼近20秒；

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

但是隻了解其規則是不夠的，需要能夠輸出為可落地的方案才有價值。

接下來，我将結合多個競品的功能亮點，并删繁就簡，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，即根據上傳的素材進行場景識别，智能匹配音樂和相關的視覺主題。
2. 素材需根據所匹配的音樂進行智能裁剪，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整素材順序需要客戶端的渲染能力，成本較高，可考慮在後續叠代。

本文由 @嶽小魚 原創發布于人人都是産品經理，未經許可，禁止轉載。

題圖來自 Unsplash，基于CC0協議

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部