短視頻合成的算法邏輯與風險問題

關鍵詞 短視頻；算法；生成對抗網絡；透明性

中圖分類號 G2 文獻標識碼 A 文章編號 2096-0360（2021）15-0054-03

社交媒體時代，短視頻因其傳播速度快、內容輕量化等特點，深度切合當前用戶碎片化的使用場景，已成為人們獲取新聞資訊的一種主要形態[1]125。中國網絡視聽節目服務協會發布的《2020中國網絡視聽發展研究報告》數據顯示，截至2020年6月，短視頻用戶規模已達8.18億，從人均使用時長看，短視頻應用人均單日達110分鐘，超過即時通信，成為第一大互聯網應用[ 2 ]。

龐大的用戶群體與有限的生產能力之間的矛盾催生算法在短視頻合成與推薦中的應用。路透社新聞研究院報告顯示，72%的媒體表示會應用人工智能處理過載信息以實現新聞和視頻的自動化合成與個性化推薦[3]，算法在短視頻的合成與推送的過程中扮演著越來越重要的角色。通過以算法為基礎將數據公式化和結構化的研究工具使得原本在理論描述中的傳播規律和效果評價得以量化和圖示化，以實現短視頻的智能化合成[4]。

算法作為一種基于數據量化的自動化工具，應用于敘事性較強的短視頻的合成，尤其是以客觀真實為原則的新聞領域，往往伴隨著是否具備專業性的爭議。如何將專業知識、技能合理量化，如何真正發揮好“把關人”的作用，如何將新聞的專業性糅合進算法代碼的自動化流程中是算法應用過程中面臨的關鍵問題。本文將結合國內外案例說明算法應用于短視頻合成中的算法邏輯，并分析算法應用中可能產生的技術風險問題。

1 短視頻合成的算法邏輯

算法是解題方案的準確而完整的描述，是一系列解決問題的清晰指令，能對一定規范的輸入在有限時間內獲得所要求的輸出[5]。算法作為一種“工具”“中介”和“代理者”，能夠利用數據在較短的時間內“獨立”完成大規模的信息處理。

短視頻合成的算法邏輯是以用戶需求為中心，由數據和算法驅動，利用不同素材的創意組合，自動合成新聞短視頻，并能根據場景變化實時優化和調整，實現“千人千面”的快速傳播[6]。相比于藝術類影片，在新聞報道中短視頻以展現信息為主要目的，對情節設計要求較低。而人工智能目前也無法做到動用蒙太奇敘事手法制作電影電視劇等長視頻，但對諸如會議視頻報道等模式相對固定的新聞視頻，算法可以在短時間內完成高質量制作[7]。因此，算法合成短視頻在新聞領域有更加廣泛的發展前景。算法合成短視頻的技術邏輯從整體上來看基本可以理解為內容識別與素材聚合兩大步。

識別檢索能力是算法最明顯的優勢，它極大簡化了搜集并理解視頻素材內容的步驟。內容識別依托于自然語言處理技術（Natural Language Processing）與內容識別技術，包括人臉識別、語音識別、物體/場景識別等實現關鍵詞提取、內容智能分析、智能拆條、智能素材檢索與聚合等。其中，關鍵詞提取與片段檢索的準確度是決定合成效果的關鍵[1]127。結合不同的短視頻合成需求，內容識別也會有不同的標準，如IBM研發的智能化剪輯系統AI Vision，在合成2016年驚悚電影《Morgan》預告片與2017年科技類綜藝節目《我是未來》宣傳片時就利用了對觀眾情緒的識別以尋找最“精彩”的片段。媒體大腦在進行兩會報道時利用了“掌聲識別”與“笑聲識別”判斷所篩選句子的受歡迎程度，以挑選出最佳素材片段，實現對“金句”的內容合成。在算法檢索力的智能輔助下，短視頻的合成效率大大提升，百度研究院研發的AI自動合成視頻工具Vidpress完成從用戶輸入到成品輸出的整套流程僅需9分鐘[ 8 ]，2019年國慶節閱兵期間，央視利用AI剪輯發布方隊游行視頻，平均耗時僅90秒[9]。

算法自動化聚合素材通常借助于算法敘事模板完成。算法本身沒有邏輯，因此無法獨立的將識別檢索到的內容按照正常的敘事邏輯聚合，敘事模板則起到了為算法聚合素材提供敘事邏輯鏈的作用。塔奇曼在《做新聞》中表示，任何一種突發性新聞都可以被稱作“火警新聞”（fire story），因為報道這種新聞的技巧都是相似的[10]。這些新聞技巧里的相似性就是新聞的敘事邏輯。利用算法將轉場、開頭、結尾等變動不大的部分預設好，并將模板空缺位置以關鍵詞標簽標記好，算法通過將內容識別標簽與模板預設標簽相匹配，即可完成自動化的短視頻合成。當前，國內外多家機構已布局短視頻的模板化生產，新華智云媒體大腦單獨開辟了大“模”王板塊征集各類優秀模板；號稱“世界上最簡單的視頻制作工具”的Biteable網站分幾十類推出了上百種模板；Animoto，Animaker，Moovly等專業視頻模板網站層出不窮。

算法合成短視頻不僅局限于對已有素材的物理剪接，還可以利用生成對抗網絡（Generative Adversarial Network）學習視頻內容進一步合成視頻。物理剪接的視頻通常利用可見轉場（如淡入淡出）連接素材，為了使視頻更加流暢伯克利分校研發的算法還提出了一種“隱匿轉場”的聚合方式，其基本邏輯是利用分層聚類算法計算幀間人物形態差距抓取“過渡幀”，在兩段視頻剪接點之間插入過渡幀或暫停幀，從而實現視覺上的連貫。隱匿轉場的聚合方式對視頻素材的燈光、背景等要求較高，適用性相對較低[ 1 1 ]。杜克大學的Yitong Li等學者則利用生成對抗網絡研發出直接基于文本合成動態視頻的算法，但由于人體姿勢與骨骼特征的復雜性，目前還不能很好的保證在生成合理運動的同時保持對象形狀[ 1 2 ]。

2 短視頻合成的風險問題

算法應用于短視頻合成中主要存在以下三方面的風險問題：識別準確度不能保證、新聞專業性無法體現、技術濫用變相生產假新聞。

2.1 識別準確度不能保證

人工智能技術的發展革新了短視頻的生產與傳播形式。技術并不完美，也不是所有的指標都可以“數據化”，“數據化”過程中仍然存在許多限制，算法在信息識別過程中仍有許多不足。

算法進行面部識別時，如果面部顯示不完整就極易出現識別錯誤或無法識別的問題。尤其是在今年疫情的大環境下，公眾普遍養成了佩戴口罩的習慣，美國國家標準與技術協會（NIST）的研究顯示，戴上足夠覆蓋口鼻的口罩會導致一些最廣泛使用的面部識別算法的錯誤率高達5%至50%[13]。

其實，哪怕在沒有遮擋前提下進行識別，算法也存在足夠的偏見。因為多種人為因素的影響內嵌在算法之中[14]。美國麻省理工學院媒體實驗室研究項目顯示，人工智能識別淺色皮膚男性的平均識別錯誤率不超過1%，淺色皮膚女性的平均識別錯誤率約為7%，深色皮膚男性的平均識別錯誤率約為12%，深色皮膚女性的平均識別錯誤率則高達35%[15]。2020年6月，美國密歇根州就發生了因算法識別錯誤而錯誤逮捕一名黑人男子的“烏龍”[16]。

除此之外，算法對語義的識別同樣存在準確度無法保證的問題。當前人工智能還處于沒有獨立意識的弱人工智能階段，新聞文本內容是復雜的，需要依靠專業知識、社會經驗、話題語境、語義理解等多方面的技能才能擁有極高的辨識準確度[17]。盡管自“深度學習”算法應用于語義識別領域以來，識別錯誤率有所下降，但目前仍沒有人類級別的語音識別[ 1 8 ]。

2.2 新聞專業性無法體現

算法主要是對復雜的短視頻合成過程的簡化和提煉，是一種“以簡御繁”的化約主義（reductionism）[19]，追求簡單化的算法邏輯必然無法深入到短視頻合成最核心的專業層次。電視新聞報道在信息傳達的過程中分為三個層次：信息層面、個性與情感層面和思辨層面[20]。當前階段的算法多數停留在信息層面，雖然可以通過將音樂、文字、場景等非結構化視頻數據提取為結構化數據以實現對情緒的理解[ 2 1 ]，但僅局限于對單一情緒的淺層理解，無法很好的駕馭情緒。而算法本身就沒有獨立邏輯，思辨層面更是無法觸及。

從央視利用人工智能發布的2019年閱兵的報道到百度Vidpress平臺在推出之初發布的兩段短視頻《公開宣戰？蔣大為嘲諷朱之文不配當藝術家，網友怒批：真是弟弟》與《孫紅雷〈新世界〉大結局提前泄露，鐵證已出，3點再無反轉》可以看出，視頻內容僅是素材的堆砌，并無故事化可言。且Vidpress平臺由于是基于圖文鏈接自動合成短視頻，視頻內大量的解說詞與素材內容的圖文不符問題非常明顯，且算法對素材的挑選也無法從清晰度、畫面穩定度、人物呈現效果等專業角度集中考量，視頻呈現效果并不能滿足專業性需求。

2.3 技術濫用變相生產假新聞

算法是一把“雙刃劍”，在利用算法便利合成短視頻的同時我們也不得不考慮到其內容真實性誰來保證？歸根結底，算法邏輯實際是人的思想邏輯的延伸，算法本身無法完成獨立的思考，對其所合成的短視頻內容是否真實、是否合乎現實邏輯無法保證。而在互聯網與社交媒體時代，算法在助力短視頻自動合成的同時也為假新聞的生產推波助瀾。2018年4月約談今日頭條和快手的主要負責人，暫停更新視頻，原因是它們包含低俗和不真實的內容。

2017年，德國藝術家馬里奧·克林格曼（Mario Klingeman）發布了一段名為“另類面孔v1.1”（Alternative Face v1.1）的視頻作品，他利用數字技術創建了法國音樂家弗朗索瓦絲·哈迪（Fran·oise Hardy）正在說話的影像，當年73歲的哈迪在影片中只有20歲，而從年輕時的她口中“說出”的確是當時NBC采訪特朗普的顧問凱莉安娜·康威（Kellyanne Conway）時的錄音[ 2 2 ]。而生成此段“假視頻”的技術就是短視頻自動合成的技術——“生成對抗性網絡”（Generative Adversarial Network）的機器學習算法，克林格曼僅花了幾天就用算法“記錄”了一件從未發生過的事情。

此類“造假”視頻的危害有多大？從“ZAO”換臉App“一夜走紅，三天下架”事件便可見一斑。算法換臉發展至今，只需一幅圖片的信息即可完成整個視頻的人臉替換，且效果幾乎可以以假亂真。換臉算法不僅會造成假新聞的泛濫，同時對公民的個人隱私與財產安全也會造成威脅。

其實假新聞的生產并不需要如此復雜，將不同情境下的視頻混剪在一起就可能產生歧義。基于內容標簽的算法模型利用關鍵詞等標簽匹配搜集素材完成拼接，而缺乏對語境的考量，在合成短視頻的過程中生成假新聞也不鮮見。2017年，《洛杉磯時報》自動化新聞系統Quakebot因捕捉到美國地質調查局更新系統是錯誤發布的數據，錯誤的報道了加州維拉島（Isla Vista，Calif）發生里氏6.8級地震，引起社會動蕩[23]。

3 結語

如今，我們正處于快速發展的智能媒體時代，基于算法的各項人工智能技術正越來越廣泛的應用于新聞采集、生產、分發的各個階段，如何向用戶提供相應的提示信息應當成為算法倫理的一部分，由于創作者坦誠算法設計與應用中的局限，不僅可以規避一些風險，還有助于建立與用戶的信任關系，在具體的實施方式上，可以通過超鏈接的方式兼顧用戶體驗與透明性的實現[24]，這既是一種對用戶負責的方式，也是坦誠技術局限，規避和減輕相關風險的有效措施。

參考文獻

[1]譚樂娟.人工智能技術在視頻編輯中的應用實踐[J].中國傳媒科技，2020（8）：125，127.

[2]中國網絡視聽節目服務協會.2020中國網絡視聽發展研究報告.[EB/OL].（2020-10-14）[2021-03-05].https：// www.doc88.com/p-38973161865085.html.

[3]Newman N.Journalism，media，and technology trends and predictions[EB/OL].[2021-03-04].https：// www.digitalnewsreport.org/publications/2019/ journalism-media-technology-trends-predictions-2019/#footnote-21019-50.

[4]趙辰瑋，劉韜，都海虹.算法視域下抖音短視頻平臺視頻推薦模式研究[J].出版廣角，2019（18）：76.

[5]呂國英.算法設計與分析[M].北京：清華大學出版社，2009：7.

[6]段淳林，宋成.用戶需求、算法推薦與場景匹配：智能廣告的理論邏輯與實踐思考[J].現代傳播（中國傳媒大學學報），2020（8）：123.

[7]秦艷.AI新聞視頻剪輯的原理與應用價值[J].新傳播，2021（1）：43.

[8]百度AI.百度研究院又出黑科技，AI全自動合成短視頻，片子也能“躺著剪”[EB/OL].（2020-04-20）[2021-03-25].https：//mp.weixin.qq.com/s/ Lcamk9mxElEd3z2l1ryLrw.

[9]索貝時代.里程碑！首次AI剪輯大閱兵在央視新聞！[EB/OL].（2019-10-01）[2021-04-03].https：/-/ mp.weixin.qq.com/s/u41je6YIbXiACyQpVvo40w.

[10]蓋伊·塔奇曼.做新聞[M].麻爭旗，劉笑盈，徐揚，譯.北京：華夏出版社，2008：109.

[11]FloraineBerthouzoz ，WilmotLi，ManeeshAgrawala. Tools for Placing Cuts and Transitions in Interview Video[EB/OL].（2012-08）[2021-03-16]. http：//kneecap.cs.berkeley.edu/papers/vidtrans/ vidtrans.pdf.

[12]YitongLi，MartinRenqiangMin，DinghanShen，DavidCarlson，LawrenceCarin.Video Generation from Text[EB/OL].（2017-10-01）[2021-03-29]. https：//arxiv.org/abs/1710.00421.

[13]李亞山.全民戴口罩，人臉識別算法抓了瞎：89種常見算法都出錯，最高錯誤率達50%[EB/OL].（2020-08-01）[2021-04-20].https：//mp.weixin.qq.com/s/ F16NOJyGajN6yvh2iUm2ig.

[14]張超.釋放數據的力量：數據新聞生產與倫理研究[M].北京：中國人民大學出版社，2020：215.

[15]謝開飛，許曉鳳，王憶希.識別深色皮膚女性的平均錯誤率達35%，誰才是讓AI產生偏見的幕后推手？[EB/ OL].（2020-07-15）[2021-05-01].https：//view. inews.qq.com/a/20200715A04EWO00·startextras=0_ fffdcc99ff081&from=xw_dcyzkqw.

[16]Kashmir Hill.Wrongfully Accused by an Algorithm[EB/OL].（2020-06-24）[2021-05-03]. https：//www.nytimes.com/2020/06/24/technology/ facial-recognition-arrest.html.

[17]張超.社交平臺假新聞的算法治理：邏輯、局限與協同治理模式[J].新聞界，2019（11）：24.

[18]AwniHannun：Speech Recognition Is Not Solved[EB/ OL].（2017-10-11）[2021-05-11].https：//awni. github.io/speech-recognition/.

[19]鄧建國.機器人新聞：原理、風險和影響[J].新聞記者，2016（9）：12.

[20]曾祥敏.電視采訪：融合報道中的人、故事與視角[M].北京：中國傳媒大學出版社，2018：29-30.

[21]IBM中國.揭秘：業界首支AI剪輯的“電視節目宣傳片”，它是怎么做到的？[EB/OL].（2017-10-20）[2021-04-03].https：//mp.weixin.qq.com/s/ Im3UwyxQDYW97bSurmxMxQ.

[22]經濟學人集團.假新聞新戰場：算法生成視頻[EB/OL].（2017-07-26）[2021-05-20].https：//mp.weixin. qq.com/s/8pTbYItIPjpO1rck2EOLMQ.

[23]Meredith Broussard，Seth Lewis.Will AI Save Journalism—or Kill It·[EB/OL].（2019-04-09）[2021-05-25].https：//knowledge.wharton.upenn. edu/article/ai-in-journalism/.

[24]張超.“后臺”前置：新聞透明性的興起、爭議及其“適度”標準[J].國際新聞界，2020（8）：88-109.