AI（Artificial Intelligence）正在不断的改变着各个行业的形态和人们的生活方式，图像识别、语音识别、自然语言理解等 AI 技术正在自动驾驶、智能机器人、人脸识别、智能助理等领域中发挥着越来越重要的作用。
那么当手绘视频遇到 AI，有 AI 的手绘视频领域，有 AI 的 UWP 手绘视频创作工具，会发生些什么呢？我们从12月23日的一次发布会开始讲起吧：
在本次发布会上，来画视频发布了正式上线的 iOS Android 手绘视频 App 和一系列新功能，二更、同道大叔、Prezi 创始人等也带来了短视频行业的精彩分享，而在 AI 方面，更是发布了两大核心功能：智能配音和智能绘画。
众所周知，在视频中，图像和声音是最重要的两个因素，而对应到手绘视频中，则是配音和手绘素材：
1. 配音
首先来说配音，在配音方面，来画与科大讯飞进行了深度合作。科大讯飞是国内外语音识别和语音生成领域领先的人工智能公司，而本次合作也是科大讯飞在短视频领域的首次尝试，双方都对本次合作寄予了很高的期待。过往大家想制作一个短视频时，配音需要专业配音人员完成。因为我们很多人的声音或者对语速、语音的控制完成不了专业的要求。但依靠来画和科大讯飞完成的智能配音功能，如下图的操作方式，用户只需要输入简单的文字以及你想使用谁的声音。比如葛优、林志玲或者其他人的声音，可以设置基本语速，还可以做相应停顿，就可以一键生成视频中需要的配音，把它结合到手绘视频中。
由于手绘视频不像拍摄视频那样对配音的音画同步要求那么严格，我们在实现时更多的是针对手绘视频的每个分镜头进行配音生成，让每个分镜头的配音是和当前画面同步的。针对每个分镜头，可以设置不同的语音来源，不同的语速，配合转场动画设置不同的停顿时间。
在技术实现上，借助科大讯飞的 tts 技术，获得每个分组的 mp3 语音文件，在手绘视频预览和生成时，把多个 mp3 文件合成到视频文件的音轨中，设置不同的音量和语音开始时间、语音长度等信息。为保证语音生成的成功率（时长和同步方面），在输入文字后，可以根据文字数量，以及设置的语速和停顿时间，来预估语音的时长，减少反复转换尝试。
2. 手绘素材
在技术实现方面，智能识别是图像识别的深度学习，具体说是手绘草稿的识别范畴；在算法模型的训练方面，我们对接近 400 个分类的 4000w 个 SVG 数据进行了数据清洗和标注、训练，目前算法对于常见图形的识别效果很好，随着这一功能的上线，后面也会加强更多分类的数据采集和训练工作；而智能优化和智能生成，除了对于草稿的图像识别，还有对于绘制图形的路径理解和目标图形的路径理解，这也是后面突破的重点方向。
结合了配音功能和手绘素材智能识别的 UWP 来画视频将会在接下来发布，欢迎大家下载使用，多提宝贵意见。
对这两个方面感兴趣的朋友，欢迎和我交流，谢谢！