李泽言高光片段头像

对于直播高光时刻，不同场景不同垂类直播的高光定义不同，如秀场直播，将直播中主播唱歌、跳舞、搞笑聊天、互动性好等直播片段定义为高光时刻；游戏直播，将游戏直播中的各种击杀事件（三杀、四杀、五杀等）、各种击杀程度（锋芒必露、横扫千军等）以及助攻死亡等定义为高光片段；电商直播，将带货直播中主播介绍商品的片段定义为高光片段。另外，根据不同垂类的特点还将进行多个高光片段的卡点混剪，形成高光集锦，如游戏直播，将多个击杀事件和击杀程度混剪成一个完整的精彩击杀集锦。

如前面介绍，不同垂类直播的高光瞬间的定义不同，所以，针对不同垂类直播，分别利用不同的语音、视觉等多模态AI技术对直播内容进行理解分析，初步识别直播的高光片段，如才艺类直播则识别直播切片中是否在唱歌、跳舞等，语言类直播则识别是否有语音、有互动、直播氛围良好等，游戏类直播则识别击杀、助攻和死亡等，再根据直播垂类类别进行直播高光片段的粗裁聚合，将相同垂类且相邻的高光片段聚合在一起，形成各个垂类直播的粗裁高光片段。

如前所述，直播垂类众多，不同垂类的高光定义不同，所需的高光识别技术和创作方式不同，所以直播高光智能成片方案是以图像识别、音频识别和检测等人工智能技术，设计开发了直播垂类划分（分类）、高光片段识别（粗裁）、高光片段剪辑（精裁）、智能视频创作（智创）四个阶段的智能处理流程，实现一站式全自动智能高光成片。

快手直播的玩法多种多样，使得直播内容也是非常丰富多样，这就会造成粗裁高光视频片段通常会含有各种非高光成分，如上面粗裁视频片段中，包含了背景音乐、主播说话、唱歌片段为放着原唱而不是主播自己唱的非高光内容。针对各垂类的粗裁视频片段的非高光问题，我们利用音频事件检测、原唱检测、跨模态检索、人脸识别、唇动检测等多模态音视频技术进行精细化裁剪，即精裁处理，得到精确的直播高光瞬间的时间边界信息，有效去除原唱、长留白等非高光成分。

然而镜头切换到惠英红时，她忙着整理文件，懒理赵樱子，可能在老前辈看来，她所谓的“高光”不过是很普通的片段而已，没什么大不了的。