《人工智能通识（AIGC版）》 课件 项目5 AIGC视频生成应用

AIGC视频生成应用项目6AIGCPARTTWO相关知识2.相关知识思维导图2.相关知识——计算机视觉技术的内涵计算机视觉的定义计算机视觉（ComputerVision）作为人工智能领域的重要分支，是一门研究如何使机器“看”和理解视觉世界的科学与技术。它致力于通过算法和模型让计算机从数字图像或视频中自动提取、分析和理解有用信息，进而实现对视觉场景的解释与决策。计算机视觉的本质是模拟人类视觉系统的功能，但并非简单复制生物视觉机制，而是通过计算手段解决视觉信息处理问题。计算机视觉与其他领域关系2.相关知识——计算机视觉技术的内涵计算机视觉的定义计算机视觉融合了图像处理、模式识别、机器学习、几何建模和认知科学等多领域知识，其技术体系从传统的特征提取方法发展到以深度学习为代表的端到端学习范式，如图所示。该技术不仅追求视觉数据的低级特征分析，更致力于实现接近人类水平的高级场景理解能力，广泛应用于医疗、安防、自动驾驶、工业检测等众多领域，是连接物理世界与数字智能的关键桥梁。2.相关知识——计算机视觉技术的内涵计算机视觉的核心技术2.相关知识——计算机视觉技术的内涵计算机视觉系统首先需要通过图像传感器（如摄像头、扫描仪）获取数字图像，就像我们用手机拍照获取画面一样。但原始图像往往存在噪点、亮度不均或几何变形等问题，因此需要进行预处理优化。常见的预处理包括：噪声消除、对比度增强、几何校正。噪声消除采用高斯滤波等方法，类似美颜相机的磨皮功能。对比度增强，如直方图均衡化，相当于调整手机照片的亮度。几何校正，包括图像旋转、透视变换等，就像把歪斜的身份证照片摆正。这些预处理步骤相当于给计算机“擦亮眼镜”，确保后续分析能获得准确的视觉数据。图像获取与表示（机器的“眼睛”）2.相关知识——计算机视觉技术的内涵特征提取是计算机视觉的核心环节，旨在从图像中识别出具有判别性的视觉模式。其技术发展经历了从传统算法到深度学习的演进，包括传统特征提取方法和现代深度学习方法。传统特征提取方法包括：边缘检测、角点检测、纹理分析。边缘检测（Canny算子），像用铅笔勾画物体轮廓，自动驾驶用它识别车道线。角点检测（Harris算法），定位物体的关键点，如AR滤镜找眼睛位置戴兔耳朵。纹理分析（LBP算法），就像摸布料来判断材质，超市收银机用它识别商品。现代深度学习方法，通过卷积神经网络（CNN）自动学习多层次特征，电脑通过看大量图片（比如1000张猫和狗的照片），自己总结出猫和狗的区别。特征提取与描述（机器的“观察方法”）2.相关知识——计算机视觉技术的内涵在特征提取基础上，计算机通过以下技术实现语义理解。图像分类，判断图片内容，如相册自动归类照片。目标检测，定位并识别物体，如停车场摄像头找空车位。语义分割，像素级分类，区分图像中每个像素的类别。实例分割，区分同类物体的不同个体。人脸识别，分析五官特征，应用于手机解锁、刷脸考勤。这些技术构成了从简单识别到复杂理解的完整能力体系。目标检测与识别（机器的“认知能力”）2.相关知识——计算机视觉技术的内涵处理视频需要额外的时序分析能力，包括：光流估计、动作识别、目标跟踪。光流估计，计算相邻帧之间的像素运动。动作识别，理解视频中人物的行为模式。目标跟踪，持续追踪移动物体的轨迹。这些技术让计算机不仅能处理静态图像，还能理解动态场景的变化。视频理解技术（机器的“动态视觉”）2.相关知识——计算机视觉技术的应用在工业制造领域，计算机视觉系统通过高精度图像分析实现了自动化质量检测，能够快速识别产品表面的微小缺陷，准确率可达99.9%以上，大幅提升了生产效率和产品质量。工业与制造业智能交通系统深度依赖计算机视觉技术来实现环境感知和决策支持。自动驾驶车辆通过多摄像头和激光雷达融合的视觉系统，实时检测道路上的车辆、行人、交通标志等目标，并准确判断可行驶区域。在城市交通管理方面，智能监控摄像头可以自动识别违章行为、统计车流量并检测交通事故，显著提升了交通管理效率。智能交通与自动驾驶计算机视觉技术已广泛应用于各个行业，深刻改变着人们的生产和生活方式。2.相关知识——计算机视觉技术的应用计算机视觉技术在智能交通的应用2.相关知识——计算机视觉技术的应用医疗健康是计算机视觉最具社会价值的应用领域之一。在医学影像分析方面，深度学习算法能够辅助医生识别X光、CT和MRI图像中的病灶，既提高了诊断效率又降低了漏诊率。医疗健康安防监控领域是计算机视觉技术最早规模化应用的场景之一。现代智能监控系统集成了人脸识别、行为分析和视频摘要等先进功能，异常行为检测算法可以自动识别打架、跌倒等突发事件。安防与监控2.相关知识——计算机视觉技术的应用电子商务平台利用图像搜索和虚拟试衣技术改善了用户的购物体验。家庭娱乐设备如体感游戏机和智能电视，通过手势识别和动作追踪实现了更自然的人机交互。这些应用不仅丰富了人们的数字生活，也推动了相关产业的升级转型。消费电子与互联网农业和环境领域正在积极应用计算机视觉技术实现智能化转型。精准农业系统通过无人机航拍和地面传感器采集的视觉数据，可以监测作物长势、识别病虫害，帮助农民优化种植决策。在环境保护方面，卫星图像分析技术则为森林资源管理和气候变化研究提供了重要工具。这些应用正在推动传统农业和环境监测向数字化、智能化方向发展。农业与环境文生视频（Text-to-Video）是一种基于人工智能的生成式技术，能够将自然语言描述转换为连贯的视频内容。其核心目标是理解文本的语义信息，并生成与之匹配的动态视觉序列。这一技术结合了自然语言处理（NLP）、计算机视觉（CV）、生成对抗网络（GANs）以及扩散模型（DiffusionModels）等深度学习技术，实现从静态文本到动态视频的跨越。当前，该技术已逐步应用于短视频创作、广告制作、游戏开发等领域，并有望在未来实现影视级内容生成，彻底改变数字内容的生产方式。2.相关知识—“文生视频”技术的工作原理与实现流程文生视频是融合多领域技术将文字变为视频的过程，以“春天的清晨，穿着碎花裙的小女孩在开满樱花的公园里放风筝”为例来看看它的实现步骤。理解与分析文本生成视觉元素合成与编排视频生成与融合音频优化与后处理2.相关知识—“文生视频”技术的工作原理与实现流程首先是文本理解与分析。输入的文本需先进行预处理，系统会去除冗余标点、过滤掉无意义的助词，把句子变成更简洁的格式。接着利用自然语言处理技术深度剖析语义，通过语法分析明确句子结构，运用命名实体识别提取实体，还能进行情感分析判断倾向，最后提取关键信息。例如，通过语法分析确定“小女孩”是主语，“放风筝”是谓语；运用命名实体识别，找出“春天的清晨”是时间，“公园”是地点，“小女孩”“樱花”“风筝”是实体；还能判断出这是一段充满生机的描述。最后提取关键信息，时间“春天清晨”、主体“穿碎花裙的小女孩”、场景“开满樱花的公园”、动作“放风筝”。随后进入视觉元素生成阶段。基于提取的关键信息，系统像一位神奇的画家，利用技术画出对应的画面。先勾勒出粉白相间的樱花树、洒满晨光的公园草地，再绘制出扎着蝴蝶结、穿着碎花裙的小女孩形象。对于“放风筝”这个动作，系统会细致地描绘出小女孩跑动、松手、风筝升空等连续画面，通过模拟连贯动作，让小女孩在画面中自然地动起来。2.相关知识—“文生视频”技术的工作原理与实现流程2.相关知识—“文生视频”技术的工作原理与实现流程接着是视频合成与编排。系统把生成的一幅幅画面按文字描述的顺序排列，从清晨阳光洒在公园，到小女孩走进画面开始放风筝，形成视频的帧序列。在场景转换时，比如从全景的公园切换到小女孩的特写，系统会添加淡入淡出的过渡效果，让画面衔接更自然。然后进行音频生成与融合。若需要旁白，系统会模拟人声朗读这句话，用轻快活泼的语调展现春日的美好。同时，系统还会添加环境音与音效，比如风吹樱花的簌簌声、小女孩的欢笑声、风筝线的呼呼声，最后将这些声音与视频画面精准匹配，让声音和画面完美融合。最后是优化与后处理。系统会检查视频画质，让樱花的粉色更鲜艳、小女孩的裙子图案更清晰，修复画面中模糊或不连贯的地方。确认视频流畅、画质精美后，将其转换为常见的MP4格式输出，这样一个生动展现春日童趣的视频就制作完成了。图生视频（Image-to-Video，I2V）是AI视频生成的前沿技术之一，其以图像输入为主要基础，可结合文本、语音、视频等多种形式的信息，实现视频生成，其生成的内容更加灵活、多变。图生视频（Image-to-Video）技术是人工智能领域的一项创新应用，它能够将静态图像转化为动态视频，其核心在于从单幅图片中挖掘潜在的动态信息，进而生成连贯、自然且符合物理规律的动态画面序列。这一技术融合了计算机视觉、深度学习以及物理模拟等多领域知识。2.相关知识—“图生视频”技术的工作原理与实现流程2.相关知识—“图生视频”技术的工作原理与实现流程图生视频，就是把一张静态图片变成会动的小短片。下面，我们以一张“公园里老人打太极拳，旁边小孩追蝴蝶”的图片为例，看看它是怎么从“不动”变“生动”的。研究图片系统预测动作生成会动的画面优化视频第一步，系统要仔细研究图片。就像我们盯着画看细节一样，系统会用特别的方法分析这张图。它先找出画面里有什么：比如老人、小孩、蝴蝶、树木这些东西，还能看出老人穿着宽松的衣服，蝴蝶翅膀是彩色的。接着，系统判断这些东西在画面里的位置，比如老人站在中间，小孩在右边追蝴蝶，树木在背景里。最后，系统还要猜猜画面里哪些东西可能会动，比如蝴蝶会飞，小孩会跑，这些信息都很重要，是让图片“活”起来的基础。第二步，系统要预测东西怎么动。这时候，系统就像一个小导演，给画面里的东西安排动作。它先把不会动的东西，比如地面、长椅，当成背景；把可能会动的，像蝴蝶、小孩，标记出来。然后，系统要想办法让这些东西动得合理。比如，它会让蝴蝶按照“飞一下，停一下，再飞”的路线移动；让小孩跟着蝴蝶跑，手臂和腿也跟着摆动。就像我们看动画片一样，系统会先确定几个关键动作，比如小孩刚开始追蝴蝶、快要追到、蝴蝶飞走这几个瞬间，这些瞬间就是后面做视频的关键画面。2.相关知识—“图生视频”技术的工作原理与实现流程第三步，系统要做出会动的画面。系统先把原来的图片当作视频的第一帧，就像故事的开头。然后，它根据刚才设计好的动作，一帧一帧地画出中间的画面。为了让画面更连贯，系统会让前后画面之间的变化不要太突然。比如，蝴蝶从左边飞到右边，系统会慢慢画出它移动的过程，不会让它突然“瞬移”。如果画面里有东西要转方向，比如小孩转身，系统会用特殊的方法，让转身的动作看起来自然，就像我们真的在看小孩转身一样。第四步，系统要让视频更好看。刚做出来的视频可能有点粗糙，比如画面不够清楚，动作不够流畅。这时候，系统会在关键画面之间加上过渡画面，让动作看起来更连贯，就像给视频“抹匀”一样。它还会把画面变得更清晰，让老人的衣服纹路、蝴蝶翅膀的花纹都看得清清楚楚。为了让视频更真实，系统会检查画面里的东西动得合不合理，比如小孩跑的时候不会浮在空中，蝴蝶飞的时候不会撞进墙壁。最后，系统还会加上声音，比如小孩的笑声、风吹树叶的声音，让视频更有趣。2.相关知识—“图生视频”技术的工作原理与实现流程了解主流AIGC视频工具有助于提升视频内容生产效率，满足多场景创作需求。通过对比工具的功能特点和适用领域，可以更精准地选择工具，优化创作流程并降低成本。以下是主流AIGC视频生成工具的对比分析。2.相关知识——主流AIGC视频生成工具对比主流AIGC视频生成工具工具名称所属公司/机构主要特点RunwayMLRunway支持多模态AI模型（文本/图像转视频），提供高级视频编辑与特效合成SynthesiaSynthesiaAI生成虚拟主持人视频，支持多语言配音和模板化场景DeepBrainDeepBrainAI基于文本生成真人播报视频，支持快速场景切换与多语言输出PictoryPictory自动将长视频剪辑为短视频，支持字幕生成与AI旁白2.相关知识——主流AIGC视频生成工具对比主流AIGC视频生成工具工具名称所属公司/机构主要特点Lumen5Lumen5文本转视频，自动匹配素材库内容，支持模板化编辑Designs.aiDesigns.ai集成AI视频生成、语音合成与设计工具，支持一键生成宣传片FlikiFliki文本转视频与语音合成结合，提供丰富的素材库与自然语音选项腾讯智影腾讯集成腾讯生态，支持AI数字人直播、智能剪辑与多平台适配百度智能云视频百度基于文心大模型，支持文本/图像生成视频，侧重中文场景与本地化需求阿里云视频智能阿里云结合电商场景，支持商品视频自动生成与智能剪辑即梦字节跳动具备个性化视频创作功能，可根据用户输入的情感基调、风格偏好生成定制化视频，支持

3D场景与角色深度塑造剪映字节跳动操作界面简洁易懂，适合零基础用户；拥有海量素材库，涵盖滤镜、贴纸、音乐等；支持多种视频剪辑特效，如倒放、定格、画中画等，且能与抖音等平台无缝衔接可灵快手专注于实时互动视频生成，能在用户操作过程中即时生成相应视频反馈，支持多用户协同创作视频前7种工具主要由欧美企业主导开发，后6种则主要由中国企业研发。在功能侧重方面，国外工具更强调通用性与创意自由度，国内工具则聚焦垂直场景深度适配。语言支持上，国外工具普遍支持多语言生成，国内工具则侧重中文及本地化需求。访问方式方面，主流工具多通过云端编辑器或API接口提供服务，部分工具需订阅高级服务以解锁完整功能，兼顾开发者集成与终端用户的灵活使用需求。2.相关知识——主流AIGC视频生成工具对比感谢聆听AIGCAIGC视频生成应用项目6AIGCPARTTHREE项目实施3.项目实施任务1制作地产公司“智慧社区宣传片”小橙拿着地产公司提供的社区规划图纸，转身对团队说：“这次的核心不是展示钢筋水泥，而是利用AI文生视频技术，把智慧社区的魅力全方位展现出来。比如，社区入口人脸识别、快递机器人穿行花园送包裹等”，假如你是小橙，你将如何通过AI生成视频技术，让看到宣传片的人，无论是老住户还是新访客，都能真切感受到智慧社区的魅力，从而提升社区的吸引力和影响力

。3.项目实施任务1制作地产公司“智慧社区宣传片”可选用RunwayML、即梦、可灵等文本/图像生视频工具，快速生成逼真且风格多样的动态画面。本次任务选用DeepSeeK生成脚本，使用即梦AI根据文本描述生成动态视频，并结合剪映等视频后期剪辑工具，提升视频整体质量。技术工具选用常见的视频格式在不同场景下有着各自的应用优势，它们的压缩方式、特点和适用目标都存在差异。在选择视频格式时，需要综合考虑播放设备、应用场景、文件大小以及画质要求等因素。常见视频格式3.项目实施任务1制作地产公司“智慧社区宣传片”常见视频格式格式压缩方式特点MP4有损兼容性极佳，广泛支持各类设备与平台，文件体积相对较小，便于存储与传输，在网络视频、移动设备播放方面表现出色，能较好平衡画质与文件大小AVI有损/无损历史悠久，兼容性良好，但文件体积较大，不同编码的

AVI文件兼容性存在差异，部分旧版播放器对某些编码支持不佳MKV有损/无损开源，可封装多种音频、视频和字幕轨道，支持高清甚至

4K视频，文件结构灵活，能容纳多种不同编码格式内容，但在部分老旧设备上兼容性稍弱WMV有损/无损微软开发，在

Windows系统上兼容性好，可用于本地视频播放与WindowsMediaPlayer相关应用，不过在非Windows平台兼容性欠佳，且在网络视频领域应用不如MP4广泛WebM有损开源免费，专为网络视频设计，具备良好的压缩性能，在网页端播放无需插件，可有效降低带宽消耗，目前在网页视频领域应用逐渐增多MOV有损/无损由苹果公司开发，在苹果设备和软件生态中兼容性好，常用于专业视频编辑领域，支持高清和

4K视频，可保存丰富元数据，但在Windows系统下部分功能或编码兼容性可能受限3.项目实施任务1制作地产公司“智慧社区宣传片”制作流程脚本生成文生视频后期剪辑审核交付1）脚本生成：在文本生成AI中利用提示词生成分镜头脚本，为后续视频生成提供明确指引。2）文生视频：登录即梦AI平台，在文本输入框中输入分镜头脚本中的画面描述文字，也可以详细描述想要的镜头，生成视频片段。对不满意的部分，通过修改文本描述或调整参数重新生成，直至达到预期效果。3）后期剪辑：将生成的视频片段导入剪映专业版。按照脚本逻辑排列片段顺序，添加字幕，同步生成旁白配音，添加背景音乐，调整音量与视频适配。最后，对视频整体色调进行调整，增强色彩饱和度与对比度，让视频更具吸引力。4）审核与交付：全面检查内容完整性和准确性，最终导出地产公司要求的格式并交付。3.项目实施任务1制作地产公司“智慧社区宣传片”前期准备DeepSeeK提示词参考：请你生成《智慧社区3D宣传片》的视频分镜头脚本，用表格方式呈现，分镜头脚本包括镜号、景别、画面、旁白、音乐、时长。3.项目实施任务1制作地产公司“智慧社区宣传片”作品效果视频素材视频效果预览图3.项目实施任务1制作地产公司“智慧社区宣传片”详细步骤请查看教材步骤说明，并观看对应的微课视频感谢聆听AIGCAIGC视频生成应用项目6AIGCPARTTHREE项目实施3.项目实施任务2制作旅行社“假期亲子游路线宣传视频”小橙把负责为旅行社制作“假期亲子游路线宣传视频”的团队召集到一起。他拿着旅行社提供的文案脚本向团队成员详细介绍任务，强调：“我们要借助视频生成技术，在这两周内打造出极具吸引力的宣传视频。大家看，脚本里的亲子互动，像古朴小镇里做手工、草地里一起放风筝，这些场景一定要充满温馨感，突出亮点，吸引更多家庭报名参团，提升旅行社的预订量。”假如你是这一任务的负责人，你将如何通过生动视频吸引更多家庭报名参团，提升旅行社假期亲子游的预订量？3.项目实施任务2制作旅行社“假期亲子游路线宣传视频”可选用RunwayML、即梦、可灵等文本/图像生视频工具，快速生成逼真且风格多样的动态画面。本次任务选用豆包生成图片，即梦根据图片生成动态视频，并结合剪映等视频后期剪辑工具，提升视频整体质量。技术工具选用在图片生成视频环节，登录即梦AI平台，导入图片生成视频，在文本输入框中输入分镜头脚本中的画面描述文字，也可以详细描述想要的镜头，生成视频片段。不满意可重新生成，直至达到预期效果。制作流程3.项目实施任务1制作地产公司“智慧社区宣传片”制作流程脚本生成文生视频后期剪辑审核交付在图片生成视频环节，登录即梦AI平台，导入图片生成视频，在文本输入框中输入分镜头脚本中的画面描述文字，也可以详细描述想要的镜头，生成视频片段。不满意可重新生成，直至达到预期效果。任务2制作旅行社“假期亲子游路线宣传视频”3.项目实施任务2制作旅行社“假期亲子游路线宣传视频”前期准备3.项目实施任务2制作旅行社“假期亲子游路线宣传视频”作品效果图片素材视频素材效果参考3.项目实施任务2制作旅行社“假期亲子游路线宣传视频”详细步骤请查看教材步骤说明，并观看对应的微课视频感谢聆听AIGCAIGC视频生成应用项目6AIGCPARTTHREE项目实施3.项目实施任务3制作电商企业“双11商品短视频”距离双11大促越来越近，小橙将精力分到负责为合作电商企业制作“双11大促爆款商品短视频”的团队上。他对团队成员说：“现在时间紧迫，我们要在接下来一周内，结合电商商品描述文本，用AIGC技术做出多模态短视频。数码产品要展示款式、材质和穿搭，数码产品突出功能和科技感，配上合适的AI配音，根据抖音、快手平台用户喜好，控制好时长和节奏，提升商品转化率。”假如你是这一任务负责人，将如何制作短视频，提升双11大促爆款商品在平台上的转化率？3.项目实施任务3制作电商企业“双11商品短视频”可选用RunwayML、即梦、可灵等文本/图像生视频工具，快速生成逼真且风格多样的动态画面。本次任务综合选用DeepSeek、豆包、剪映等工具，提取爆款文案特点，再根据爆款文案生成动态视频。技术工具选用3.项目实施任务3制作电商企业“双11商品短视频”1）提取爆款文案。在抖音平台搜索目标关键词，找到爆款视频后分享并复制链接。接着在豆包中粘贴链接，输入指令获取视频标题、作者及详细文案内容，为后续创作提供参考。2）生成新的文案。打开DEEPSEEK，将提取的文案粘贴到文本框，输入拆解指令。待拆解完成，结合自身需求，输入文案生成指令，之后选择一条合适的文案复制。3）图文成片。打开剪映，选择“图文成片”，粘贴复制的文案，智能匹配素材生成视频。若对生成效果不满意，可自行替换本地素材进行优化。4）审核交付。视频生成后，仔细播放预览，检查声音、画面是否匹配，文案信息有无错误，优惠活动等关键内容是否准确清晰。确认无误后，将视频交付使用。制作流程3.项目实施任务3制作电商企业“双11商品短视频”作品效果3.项目实施任务3制作电商企业“双11商品短视频”详细步骤请查看教材步骤说明，并观看对应的微课视频感谢聆听AIGCAIGC视频生成应用项目6AIGCPARTFOUR人工智能伦理案例分析深度伪造的伦理问题案例分析深度伪造（Deepfake）作为人工智能领域的一项前沿技术，在近年来引发了诸多严重的伦理问题。它利用深度学习算法等技术手段，对视频、音频等内容进行篡改或生成虚假信息，严重威胁着社会的稳定、个人的名誉与隐私等，对人类社会的价值观和信任体系造成了极大的冲击。Level1：多学科融合备课资源整合4.人工智能伦理案例分析深度伪造的伦理问题案例分析（1）乌克兰总统被伪造投降视频

：2022年，一段篡改泽连斯基口型的视频在网络上流传，视频中的他被伪造说出“乌克兰宣布放下武器”，引发了公众的广泛关注和热议。（来源：澎湃新闻，2022）典型案例4.人工智能伦理案例分析深度伪造的伦理问题案例分析（2）林俊杰起诉B站及UP主侵犯肖像权

：歌手林俊杰起诉B站某UP主（视频上传者），认为对方利用其肖像进行AI换脸，侵犯其个人肖像权。涉案侵权视频共有6部，目前已经全部下架，从标题来看，均为使用林俊杰肖像，替换原视频人物的“换脸”恶