20 分钟？一小时？半天？
在火山引擎算法工程师眼里，可能 1 分钟都用不了，由于会有 AI 替你完成。
没错，火山引擎近期推出了一款「创意互动 vlog」产品，你只须要在进入景区时注册授权，AI 就会帮你拍摄嬉戏中的精彩画面，自动剪辑成旅行 vlog。
全程无需自己动手，无需费心选择拍摄地点，无需请他人帮忙拍摄，乃至嬉戏时不用取出手机或相机，也不用纠结修图美颜，你只需负责享受这段经历，还没出大门，就能得到一条可以直接颤动音的视频。
来看看效果：
视频加载中...
「创意互动 vlog」前不久在 2023 春季火山引擎 FORCE 原动力大会正式发布，目前已在海内各地多个景区上线。
这款产品的背后，是一支奔着各大旅游景区到处跑的字节内部创业团队。
拿着「锤子」的算法工程师，遇见找到「钉子」的产品
2022 年初，火山引擎算法工程师容荣研究出了这样一项技能：
「在特定的场景里支配一些不同机位的拍摄装置，用图像识别找到场景里的人，配上专业视频编导设计的模版，就可以自动把这个人的影像剪成视频。」
那么，这个「特定的场景」该当是什么场景呢？
和所有的技能创业者一样，容荣拿着这个技能的「锤子」，开始探求运用处景的「钉子」。
她先想到的是儿童兴趣班，比如一些培训机构供应的轮滑课、舞蹈课等场景，拍摄孩子们快乐学习的视频。
但容荣很快创造，这类培训机构市场零散、没有规模化，很难找到得当的客户来落地。
不久之后，火山引擎 AI 产品办理方案同学孟兰创造：
「将抖音的 AI 技能和文旅行业结合，合营抖音平台的上风，用 AI 来做旅行视频。」
而视频设计团队也希望有创新的视频生产办法。团队一拍即合，确定了这种 AI为景区游客拍摄剪辑 vlog 的落地方式，随即组成了一个包含算法、研发、产品、设计、编导、发卖平分歧角色在内的跨部门内部创业团队。
为了锁定飞驰的滑雪者，算法工程师自己设计滑雪服
孟兰说，to B 项目的落地须要边做产品、边找早期客户，针对早期客户的场景做优化，不至于闭门造车。「创意互动 vlog」产品的一个主要的早期客户是一家滑雪场。和这家滑雪场的磨合中，技能团队完成了大量迭代。
个中紧张的技能问题是，当景区的拍摄装置拍下了许多视频后，如何把同一个人的部分找出来？
容荣先想到的是用图像识别结合 RFID 的方案。
RFID 全称 Radio Frequency Identification，译名射频识别。就像门禁卡一样，在一个专门的 RFID 手环上绑定游客信息，那么无论他走到哪里，刷一下卡，系统就能认出他是谁。
但团队去景区出差之后才创造，这种方案实在太繁芜了：景区事情职员须要先把手环发给游客，然后游客绑定自己的身份，嬉戏结束后还要统一回收手环。而且手环的本钱比较高，这种方法又麻烦、又昂贵。
于是，容荣决定改方案，保留图像识别的部分，删去 RFID 手环，而是在景区设置可交互的大屏幕，提示用户面向屏幕做一些比心、微笑、竖起大拇指、叉腰之类的表情动作。这种方案既可以借助用户姿态来确认身份，又可以增加殊效、美颜等效果。
针对滑雪场景，容荣也做了很多优化。由于须要人物滑雪的照片作为模型演习的数据集，她拉着工位阁下的几位同学跑到字节跳动深圳湾办公楼下，穿着厚厚的滑雪服拍摄照片；后来还有同学联系到了一家滑雪俱乐部，请专业人士用更标准的姿势来拍照。
不过，有了演习数据，想准确地辨识人物依然有困难。
一是滑雪本身便是高速运动，随意马虎拍不清楚；二是滑雪场有时风大雪大、阳光不好，视频会更模糊；三是雪道很长，拍摄装置很多，想要在不同拍摄装置拍摄的视频中找到同一个人，是一个技能上很难的问题。
为此，容荣干脆自己设计了一款新的滑雪服：
在胸前、肩膀等部位放置特定的编号，滑雪游客租用带有编号的滑雪服，算法只要识别出编号，就能知道是哪位游客了。
这样，结合姿态特色与滑雪服上的编号，利用「多模态聚类算法」就能准确的找到特定的游客。
来看看 AI 天生的滑雪 vlog 效果：
视频加载中...
过山车跑的那么快，如何决定剪哪一段？
“实在我们一开始不想做滑雪场景，由于蹭的一下就滑过去了，速率太快，人群也很密集，算法不好锁定人物。但到了景区才创造，滑雪游客非常喜好这类 vlog 做事。”容荣说。
以是，后来团队事情的一大重点就放在了滑雪、过山车、蹦极这类极限场景下。
玩这类项目时，游客最希望视频记录的是全体过程中最刺激的时候，但这时游客表情非常激动，算法难以识别。
算法工程师容荣再次灵光一现：图像不好识别的话，那识别声音试试呢？
“风声代表速率，人声代表情绪。玩这种刺激项目的时候，一个人嗓门越大，解释他越激动；但也有人完备不叫喊，那我们就识别风声，风声越大解释速率越快、人的体验越刺激。”
极限场景惊险刺激的时候、俏丽风光让民气境大好的时候、运动场景中表现精良的时候，都被项目团队定义为了「高光时候」，这是游客最深刻的影象，也是最值得被视频记录的瞬间。
因此，项目算法团队与设计团队一起定义了一套「高光识别算法」，集成了人体手势、动作识别、人物关系检测等多种 AI 算法，能够根据场景动态捕捉游客的高光时候，景区运营者也可以根据时令、活动等自由定制。
深入一线，感想熏染不同地区的风霜雨雪
无论是滑雪场、游乐园还是博物馆，探索每种新嬉戏场景时，项目团队组团出差去现场，理解每个场景的细节特点。
线下能创造许多在办公室里闭门造车创造不了的问题，技能同学则可以改技能方案，产品经理则可以理解景区运营状况、游客动线、景致最美的位置、游客聚拢的地点，理解景区管理者的经营操持。
有一次，大家组团去滑雪场出差时，正遇上了寒冬尾月，下着鹅毛大雪，连雪道都结冰了。创意互动 vlog 团队的产品、研发、设计们，和当地的安装师傅一起扛着摄影机和安装工具爬到雪坡上，探求得当的安装位置。
作为项目的算法卖力人，容荣须要做很多深入一线的事情。在安装摄像头的过程中，她须要当场根据图像质量、晨昏光芒、人体在画面中的大小来判断这个位置拍出来的图像能不能用，针对现场场景采集数据、当场优化这个场景的算法准确率。
但完成当天的现场事情之后，一群人站在雪坡顶上傻眼了：
除了 AI 产品办理方案同学孟兰之外，其他人都不会滑雪。
于是，一副奇特的景象发生了：大雪纷飞的滑雪场，一群人半夜十点坐在雪坡上逐步往下滑，有人的睫毛上都冻上了冰晶，有人滑到山下后，站起来却创造裤子都被磨到反光。
就这样，一年多里，创意互动 vlog 团队的同学们一贯在产品培植的路上。
他们探索滑雪场、游乐场、打卡地等各种不同类型的园区，一边优化产品，一边提升技能，一边跑通了商业落地。
AI 产品办理方案同学孟兰说，当每一类场景率先跑通一个标杆景区后，就可以方便地将不同场景的办理方案复用，低边际本钱做事其他同类景区。
“我们在滑雪这个场景的履历至少领先市场 1.5 年，由于你须要足够漫长的冬天去摸索这些履历。”
而火山引擎的技能同学们，也正在不同的 B 端业务场景下，持续探索创新，用技能赋能千行百业。