日活兩億的快手，如何用AI理解視頻、做好分發

智能車參考 2019-06-01 13:58:04 來源：量子位

主講人 | 快手科技多媒體內容理解部負責人 李巖

量子位 編輯 | 公眾號 QbitAI

“AI技術貫穿于整個快手產品的骨髓之中，通過AI技術進行多維賦能，讓更多人有機會被世界看見，也能看到更廣闊的世界。”5月25日，在2019全球人工智能技術大會（2019 GAITC）上，快手科技多媒體內容理解部負責人李巖如是表示。

大會在南京舉行，李巖在“人工智能與媒體融合前沿論壇”作了演講。李巖作為快手科技的代表，講述了快手如何用AI技術去賦能每一個普通用戶，讓每一個人的記錄形式更豐富、有趣、高質量。

李巖說，快手在AI技術上的深耕，降低了短視頻的創作門檻，使用戶盡可能地接近專業水準。而在理解內容、理解用戶中實現視頻和用戶的精準匹配，讓每位用戶獲得更大的展現空間，同時看到了更大的世界。

他認為，通過短視頻實現的記錄，讓人與人以及人與世界連接起來，是很有意義的，從整體來看，提升了網民之間的信任。

以下為演講內容實錄（有刪節）：

非常高興有機會介紹在快手這樣一個短視頻社區，AI是如何應用的，具體會產生什么樣好玩的AI應用。

我的分享分為三部分。第一部分簡單介紹一下快手；第二部分介紹AI技術如何幫助用戶提升視頻創作質量，降低創作門檻；第三部分介紹AI技術如何理解視頻，理解用戶，并做好分發。

快手是什么

快手把自己定位成普通人記錄生活和分享生活的社區型產品，通過短視頻、照片以及直播的形式，幫助人們記錄自己的生活，使每一個人都有機會被世界看到，也能看到更廣闊的世界。

快手在2011年誕生，今年成立8周年，目前DAU已達到2億。2011年，GIF快手是做動圖的工具，2013年移動互聯網興起，我們看到了短視頻的重要影響和作用，2013年7月，工具型產品轉型為短視頻社區。轉型短視頻社區之后，快手的數據實現了指數級增長，2015年1月，快手日活用戶超過1000萬，截止到現在，快手的日活已經到達2億。

在中國的互聯網市場，日活2億量級的APP非常少。憑借數億用戶幾年的積累，現在有超過100億條短視頻記錄在我們的社區里，并以每天新增1500萬條短視頻的速度增加，4年前這個數字只有幾十萬。

在快手里，用戶記錄了大千世界里的方方面面，在這里我們可以看到很多種真實有力量的生活，有些畫面是我們在大眾媒體看不到的。

比如這個視頻，鴨綠江的放排人在運輸木材，把高山上的木材順著水流運到山下，這種古老的水運方式已經很少被人知曉，在快手這群人被數百萬人關注到。

還有這個視頻，這是城市工地上的“水鬼”，這個職業很小眾，但一二線城市的每一座高樓大廈都需要他們，在用建高樓大廈打地基的時候，需要用電鉆挖幾十米的深坑，電鉆頭掉了需要他們潛到幾十米深的渾濁泥水中，把電鉆恢復原位。

普通用戶記錄的生活，涵蓋的內容超越了之前的記者或者專業人士記錄、調研的范圍。有數億人在快手記錄自己的生活，這里有當代的百工圖，有全球各地的田野風俗，還有用戶記錄的各式各樣的旅行生活，也有清華、人大等高校教授講解知識進行知識傳播，這些畫面聚集起來就是一幅我們當代生活的清明上河圖。

AI幫助用戶用更低成本創作出更高水平的視頻

接下來，我重點講一下AI技術如何幫助這款短視頻產品做得更好。我希望幫助各位媒體的朋友們了解到，AI技術其實是貫穿于快手的產品骨髓之中，應用在視頻生產、視頻理解、用戶理解到視頻推薦的整個環節。

視頻創作環節，我們希望每個人都能成為自己生活的導演，用手機去記錄生活，而且生成相對較高質量的視頻。如何幫助每個人成為自己的導演呢？在視頻創作環節快手廣泛應用了AI技術，用科技去賦能普通用戶，使他們盡可能接近專業制作視頻的水準。

我們希望讓用戶用更低的成本創作出更高水平的視頻，這就需要讓AI助力于內容生產。

比如，快手之前上線的一款魔法表情叫“快手時光機”，用戶可以在幾十秒鐘內看到自己容顏變老的過程。一個人拍自己的視頻是很乏味的，我們希望用戶能夠體驗到自己變老以后的樣子。

又比如，把AR技術應用在用戶拍攝視頻的環節，給現實生活的畫面加入一些虛擬的元素，這屬于增強現實，使虛擬世界和現實世界更好的互動，使人們在記錄自己生活的時候有更多的新奇的體驗。

再比如，我們會運用圖像相關的算法，幫助用戶去矯正拍攝中出現問題的視頻，比如臟鏡頭導致的視頻畫面模糊，光線問題導致的畫面昏暗及畫面偏色的問題。

這些玩法和功能的背后是快手對前沿 AI技術的開發，涉及人體姿態估計、手勢識別、背景分割等多個技術模塊。這些都是快手努力將記錄形式變得更加有趣的新嘗試。

這里有一個挑戰，上述技術都要在手機本地實時地進行計算與渲染。快手擁有數億用戶，用戶的手機機型千差萬別的，這要求我們的算法必須在所有的機型上都能流暢運行，這對我們AI能力的要求是非常高的，非常消耗計算資源。為了解決這個問題快手自研了YCNN深度推理學習引擎，解決了AI技術運行受限于用戶設備計算量的問題。

音頻方面，我們也做了非常多的工作。比如之前專業的人在創作視頻時，編輯字幕是非常痛苦的事情。現在我們通過語音識別技術，可以幫視頻制作者自動添加、編輯字幕，而且還可以以各種各樣的形式展示字幕，借助AI的技術極大地降低了生成字幕的成本。

在短視頻場景里音樂起了非常重要的作用。據統計，快手的視頻中，有60%-80%的視頻用背景音樂烘托氣氛。如何選擇恰當的音樂表達心情，其實是不容易事情。讓用戶盡量貼合音樂的節奏創作動作，對于用戶的要求也是非常高的，具備很強樂感的人其實非常少。

為了降低用戶創作視頻時選擇音樂的門檻，我們開發了智能配樂及AI生成音樂的技術。智能配樂可以根據視頻畫面及用戶畫像為用戶推薦適合視頻畫面，并被用戶喜歡的背景音樂供用戶選擇。

AI生成音樂通過AI的分析算法，可以感知到視頻畫面中人的動作，然后讓生成的音樂節奏匹配人的動作，這樣是極大地降低了用戶創作視頻時選擇音樂的門檻，讓大家更愿意創作自己的視頻。

用AI理解視頻，理解用戶，做好分發

上面分享的是AI技術如何降低人工創作短視頻的門檻，使普通用戶都可以創作出質量還不錯的短視頻。用戶創作并上傳到我們的社區后，我們又做了哪些事情更好的分發這些視頻呢？

理解視頻其實非常復雜，對人臉緯度的解析、場景類的解析、音樂類的解析等等，這些都是從單個角度進行建模，其實視頻需要多模態的解析。

我們需要做到讓機器高效的判斷用戶上傳的視頻是不是符合規則的，判斷視頻內容是不是原創的，以及要做到把視頻精準的匹配給對他感興趣的用戶。

我們讓機器能夠幫助我們管理好上傳的海量視頻，同時幫我們做好視頻的推薦，而且推薦給用戶的視頻是能激發用戶興趣的。

這里還涉及用戶理解，指的是讓機器理解我們的用戶，其中包括理解用戶在社會學上的特征，以及用戶的興趣，包括他的短期興趣愛好以及中長期興趣愛好，以及海量的能夠代表用戶特征的更小的向量。

在視頻的分發上，快手上有一個非常有意思的現象，我們不希望頭部的視頻內容占據太多的曝光，我們用經濟學上的基尼系數控制平臺上用戶之間的“貧富差距”。

互聯網上的注意力資源是非常寶貴的資源，我們希望這種寶貴的資源也能分給普通人，而不是像聚光燈一樣聚集在少量的頭部用戶身上。

所以我們設計了快手的推薦機制，無論是明星還是普通人在快手都是一樣的。快手重視生產者的利益，重視長尾視頻內容的分發。

我們希望注意力資源可以向陽光一樣撒給所有生產視頻的用戶，這樣普通人就有機會被更多人關注，能夠感受到被關注被認可的幸福感。

通過短視頻實現的記錄，讓人與人以及人與世界連接起來。我們認為，建立這種連接是非常有意義的事情。我們每個人的內心深處都是寂寞的，都希望通過連接去獲得關注、認可，并且能結交朋友。

因此，快手用戶之間的關系會粘性更高，更穩固。從整體來看，這可以提升網民之間的信任。

我今天的分享就是這些，謝謝大家。