去哪儿国际酒店AI生成视频通常

嘉宾 |郑吉敏

编辑 |李美涵

出品 | 技术栈（微信号：blog51cto）

本文整顿自去哪儿游览技术总监郑吉敏在WOT2024大会上的主题分享，更多精彩内容及现场PPT，请关注技术栈群众号，发送【WOT】即可间接支付。

日前，在主办的WOT世界技术翻新大会上，去哪儿游览技术总监郑吉敏带来了主题演讲《国际酒店AI生成视频通常》，围绕着国际酒店的业务架构，详细引见了生成视频如何启动流程AI化以及相关通常和思索，带给观众全新的视野和独家的阅历分享。

本文将摘选其中精彩内容，一致整顿，宿愿为诸君带来启示。

本文将从以下四个局部开展：

1.视频生成应战与时机

咱们首先来看看，国际酒店视频生成所遇到的应战。

随着AIGC技术的开展，咱们关注其在实践业务中的运行。咱们意识到AIGC已具有生成视频的才干，且咱们的业务对此有相应的需求。

因此，咱们首先确定了经常使用AIGC生成视频的场景。

接上去，咱们思索如何将视频制造工程化，并确保视频品质。回到视频自身，目前其外围元素有两点：文案和图片。咱们须要扫视现有的文案和图片资源，经过组织这些内容生成视频，并以赋能现有业务作为终点。

在制造视频时，咱们面临的第一个疑问是素材选用。咱们手头的素材曾经明白，包括基础的文案、图片消息和用户点评，这些素材须要精心挑选并有效应用以生成视频。

素材选用的难点在于消息的挑选和应用。例如，酒店图片品质错落不齐，高星酒店的图片通常更明晰，成为视频的亮点，但并非一切酒店的图片都具有这一特性。此外，用户点评中蕴含多种言语，翻译后的消息或许无法间接经常使用。

面对这些应战，咱们须要找到处置方案，以确保视频内容的品质和准确性。

接上去谈谈应战面前咱们看到一些时机。

围绕着国际酒店业务的异国风情特征，咱们积淀了高度多样化的消息。

关于观众观看体验来说，视频不只仅是展现酒店，更关键的是经过视频传播酒店所在区域的多样性，以及与本地酒店不同的特征和定位。

咱们面临的疑问是国际酒店视频的制造能否能够成功，以下是我列出一些可行性的数据撑持：

1. 国际酒店视频笼罩率低。在开局之前，咱们发现国际酒店视频的笼罩率大概为19.6%，显示了渺小的优化空间。

2. 视频对转化有清楚优化。去年，咱们对高星酒店视频启动了测试，结果显示视频清楚提高了用户的转化率。

3. 国际酒店有视频生成阅历。国际酒店曾经针对低星酒店生成了视频，这验证了咱们曾经具有基础的视频制造才干。

基于这些基础，咱们确定了国际酒店视频制造须要具有的三个基本特征：格调多样性、内容多样性和元素多样性。

2.专业影视生成流程AI化

咱们将专业影视消费流程简化为四个关键步骤：

第一，筹划创意。

第二，分镜创作。

第三，现场拍摄。

第四，前期剪辑。

围绕这四个环节，咱们用上图繁难引见一下。

以上图的片段为例，每个分镜会有文案形容她的举措，并配有女生说的话或许心坎独白来展现剧情。

经过这些元素的组合，咱们能够制造出一个连接的影视片段。每个分镜都由图片或视频、文案和语音组成，经过前期剪辑，构成一个完整的小视频。这是影视制造中的基本流程。

基于上述内容，咱们来看看，视频制造流程的AI化。

视频实质上由多个分镜构成的，每个分镜都蕴含图片、文案、配乐等内围元素。在AI的协助下对素材启动加工，从而生成每个分镜的内容。

随后，经过转场动画和特效，将各个分镜流利地拼接成一个完整的视频。

3.AI生成视频通常

详细到AI生成视频的通常中，咱们还会面临一个疑问，就是判别视频品质高下的规范——如何生成一个用户情愿观看的内容？

咱们总结优质视频有以下关键要素：

首先，咱们强调价值兴趣，这触及到剧情设计和分镜的构思。咱们须要思索如何设计分镜，以及能否有适宜的模板来更好地衔接每个分镜。

紧接着是明晰画质，咱们谋求1080p甚至4K的高清规范，确保用户在观看时不会由于画质疑问而感到不适。

最关键的，视频的主题应该是优质的。咱们的指标不只是画质和设计方面的精良，更要传播出酒店的亮点和特征，让用户经过视频就能直观感遭到酒店的魅力。

最终，咱们宿愿用户在观看视频后，情愿分享视频。

基于优质视频的基础元素，咱们布局了视频生成的业务流程。

第一步，素材选取。咱们首先提取图片和文字素材，并启动去重和高清处置，确保基础素材的品质。关于文字，特意是小语种，咱们会启动翻译和亮点抽取，以顺应不同言语环境的需求，到达实践可用的水平。

这个阶段的指标是让图片和文字满足用户的基本要求。咱们还会依据须要，将文字输入到大言语模型中，图片则输入到多模态大模型中，启动再加工。

咱们会少量运用运镜和特效技术，模拟用户实践观察酒店的视角和灵活效果。例如，关于酒店外景，咱们会模拟用户走近酒店的举措，经常使用拉近效果；关于房型图片，则模拟用户在房间内的眼帘移动，经过左右迁徙来增强现场感，让用户觉得身临其境。此外，咱们还会依据场景减少特效，如海岛场景的叠化和含糊效果，夜晚场景的星星特效，营建更丰盛的意境。

最后一步，模板剪辑分解。 在这个阶段，咱们将每个分镜与旁白结合，将成功的每个分镜，应用多套模板启动分解，经过特效和音乐确保视频的丝滑过渡，防止僵硬感，最终生成一个完整的视频。

接上去咱们看一下从业务层面，来看整个视频的生成。通常来讲咱们还是以每个分镜作为咱们的基础单元，构建以业务为外围的消费流程。

在构建业务模型时，底层的是AI技术的才干。这些才干包括文本预处置、图片预处置、大言语模型、多模态模型以及分镜制造和模板分解等，它们各自独立，为自研提供通用才干。

这种设计的长处在于，一旦下层思绪确定，咱们可以自在选择经常使用适宜的AI才干，共性化的适配不同酒店需求。

业务模型的下层，是业务规定。前面也提到过，国际酒店的地区文明差异清楚，咱们驳回定制化战略，使得视频与酒店的定位相婚配，防止视频的千篇一概。

接上去重点讲下模板，模版让咱们以不同的方式组装分镜，业务的多样性选择了咱们模版的多样性。

目前外围模版分这几类，商业简洁格调、奢侈&奢侈格调、海岛风情、日式格调等等。

咱们与公司的UI团队开展协作，由他们设计相应的模板，确保视频展现方式与酒店的特征相婚配，从而优化视频的全体效果。

经过这种方式，咱们的平台AI才干在多方面获取了有效积淀。

去哪儿网的业务线、算法和AI技术架构是分开的，通常驳回协作的方式来成功上班，因此咱们会成功各AI才干的独自裁减，由业务方自主选用并以插件方式复用所需才干。

这里蕴含文案处置、图片处置等多种AI才干的插件。

接上去繁难讲下，AI关于多语种翻译的增强。

咱们的翻译通常标明，在处置27种言语时，传统神经网络+深度学习虽然能成功基本的"信"（准确传播原意），但往往缺乏"达"（迟滞）和"雅"（情感微格调）。

经过经常使用GPT-3.5，咱们能够优化翻译品质至7到8分，效果与经常使用谷歌翻译差不多，假设经常使用GPT-4，效果还会更好。

小语种翻译尤其受益于大型言语模型，但也要留意在老本上取得平衡。

接上去说一下AI对多模态生成的增强。

在生成视频方面，咱们关键尝试过Pika和Runway平台。基于Runway的Gen-2模型，经过精细调整参数并确保内容合乎物理逻辑，咱们能够发明出真切的图像，例如模拟实在的海浪灵活。咱们留意到，假设不启动不凡控制，生成的海浪或许不合乎人造现象（上图）。因此，咱们在多模态生成中特意强调物理逻辑的准确性。

目前，Runway在生功效果方面体现最强，虽然它的API接口尚未齐全放开。一旦放开，估量将极大促成咱们的多模态生成上班。

不过，即使有了弱小的工具，参数的调整依然十分关键。

4.视频生成成绩展现与思索

咱们来看一下视频生成的成绩展现。

上方这个视频是典型的简洁商务酒店格调，经过左右移动，模拟用户进入房间的观看效果。（为繁难展现，视频经过紧缩，原视频明晰度为1080p）。

接上去雷同是一个简洁商务酒店，这个酒店的特点是周围的地标修建。

在做简洁商务酒店的视频时，还会启动元素定制，突出酒店的亮点、对用户度假时特意关注的疑问启动强调，例如位于普吉岛的酒店能否有收费的无际泳池等。

接上去是一个日式大风酒店。

接上去，是在AI才干基础上，启动过繁难的人工加工的海岛视频。

这里边有了很多特效以及灵活，让观看者能感遭到轻松、浪漫的气氛。

最后讲一下视频的数据结果，这是咱们APP里的展现方式，自动是在目前关上概略页的位置启动播放，上线后效果相对优化6%。

5.总结

在AI生成视频的环节中，咱们也踩过坑、积攒了不少阅历。比如，最开局咱们会强调允许4K以提供高清体验，但思索到实践手机端的加载状况，最终选用了1080p作为规范。

再比如，刚开局通常时，咱们执着于经常使用旁白朗诵文案。但在实践测试中发现，柔美的背景音乐配合高清图片更适宜上流酒店。

在动画和灵活图片的运用上，图片的灵活化会为吸引力加成，然而物理法令的准确性特意关键。

展望未来，咱们方案在提供视频生成才干的同时，成功对上流酒店的定制化笼罩。咱们将依据不同酒店的格调定制视频内容，包括格调、场景和亮点，并针对不同客群展现相应酒店视频，同时为运营团队提供极速照应市场的才干，为他们顺利与酒店达成协作助力。

目前，生成一个视频的老本大概是1.25元，时期大概在半分钟到一分钟左右，这是一个高效具有高老本效益的处置方案。

想了解更多AIGC的内容，请访问：

AI.x社区