起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識智能剪輯功能調研報告：詳解抖音的音樂卡點模式
本文通過對市面上智能剪輯功能進行體驗，挖掘不同產品的功能模式，還原產品的邏輯和結構，并通過競品對比分析，總結了智能剪輯功能的迭代方向。
01 調研背景
1. 什么是智能剪輯？
傳統的視頻剪輯，需要人工進行大量后期處理工作，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、標準化、簡單化，可顯著降低創作門檻，提升普通創作者的創作意愿和創作能力。
市面上主流短視頻產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. 為什么要做智能剪輯？
先上結論：智能剪輯功能可以有效降低普通用戶的生產門檻，幫助用戶進行低成本地剪輯。
首先，說一下為什么主流的短視頻產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構，適合講故事，前后邏輯關系緊密，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、旅游、美食等等，不需要復雜的剪輯。
其次，再看一下智能剪輯功能對短視頻產品本身的收益。
對短視頻產品來說，絕大部分用戶是消費者，只有少部分用戶是生產者，消費者們會去消費生產者們創作的內容，消費者們雖然有一定的創作意愿，但創作能力較弱，消費者轉變為生產者的成本也較高。
即便是UGC生態的短視頻產品，也會逐漸從UGC發展為PGC，中間態就是所謂的UPGC。
在這個過程中，大量普通用戶生產的低質量、低價值內容會被篩選掉，而專業用戶生產的高質量、高價值內容會獲得更多曝光，到最后，我們在短視頻產品中看到的就基本是專業用戶生產的內容了。
那為什么還要做針對普通消費者或者說尾部生產者的智能剪輯呢？
因為普通用戶依舊存在生產需求，有一定的生產意愿，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。
也就是說生產視頻需求的背后，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產，是為了普通消費者有內容可看，但激勵并幫助普通用戶生產內容，則是促進用戶使用產品的一個重要手段，同時可以豐富UGC生態，最終涌現出專業生產者。
總結一下：
（1）目標用戶：尾部生產者，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絡，但是專業的視頻剪輯軟件太復雜，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 調研目標
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，輸出可落地的產品方案。
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，算法會對素材內容進行分析，識別素材的場景，然后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，然后拼接在一起。
這里會出現另一個問題，就是怎么找到每段素材中的高質量精彩片段？
因此也需要借助算法，識別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，也需要識別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，怎么依靠音樂節拍點劃分素材的長度，則有規律可循，因此，下文將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，只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后，4段素材分別的長度為：5.6s、4.4s、4.4s、5.6s。
現在我將第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，將通過簡單實驗，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
- 總時長在30秒以下的素材，裁剪后保留的比例為55%~60%；
- 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；
- 總時長在50秒以下的素材，裁剪后保留的時長穩定在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；
- 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，素材數量再增多，將會影響視頻效果；
- 隨著素材數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。
但是只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，我將結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。
- 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別，智能匹配音樂和相關的視覺主題。
- 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。
- 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。
- 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，可考慮在后續迭代。
本文由 @岳小魚 原創發布于人人都是產品經理，未經許可，禁止轉載。
題圖來自 Unsplash，基于CC0協議
更多產品思考，歡迎關注微信公眾號，搜索：岳小魚