金沙娱乐AI剪辑：AI怎样从几小时游戏录像里找到真正值得保留的几十秒？

第一步：先圈出候选，而不是直接打分

对整段录像逐秒打分，成本高，也没有必要。通常的做法是先做粗筛，把明显不可能入选的时间扔掉。

举一个假设的场景：某射击游戏的两小时录像，有游戏日志可用。粗筛可以依据三类线索：日志里的击杀、爆破、残局等事件；画面里的剧烈变化，比如镜头骤转、爆炸特效；音频里的能量突增，比如欢呼与惊叹。三类线索取并集，再各自向前后扩出一小段，得到一批候选片段，假设有一百二十来个。此时还没有任何价值判断，只是“值得看一眼”的名单。

第二步：多模态打分

候选进入打分环节，单靠一种信号很容易被骗。

一个合理的设计是把各路信号归一化后做加权，同时引入“局势权重”：同样的三杀，发生在比分胶着的关键回合，权重高于一边倒时的收割。这也是为什么五杀不一定值得剪所讨论的核心。权重不必手工写死，可以先用规则起步，再用编辑们的取舍结果逐步校准。

举个示意的打分：候选A是一次一穿三的团战收尾，数据分高、音频分高，但当时己方已领先很多，局势权重低；候选B是落后时用一次残局一换一拖住对方，数据分一般，音频有明显惊呼，局势权重很高。最终B的总分可能反超A。规则起步时这类反超会少，一旦有了编辑的取舍记录，就能发现哪类局势应当加权，权重调整才有依据。

第三步：去冗余，比选出更难

打分排名靠前的片段常常长得很像：连续五个爆头、三段相似的残局。如果只按分数取前十，成片会变成同一种镜头的复读。所以要引入多样性约束。

一种做法是把语义相近的镜头合并成同一个“簇”，每个簇里只保留分数最高的代表，再从各簇里挑选。SVHighlights 这项工作面对的是平均约两小时的超长体育视频，采用的免训练方法思路与此相通：先把语义相近的镜头合并成片段，再用多模态语言模型给片段评分。对我们的场景而言，它提示了一件事：长视频里的先合并、后评分，比逐镜头单独打分更稳。

去冗余还要考虑“同一个人、同一张地图、同一种武器”这类维度上的分散，否则整段成片看起来像某一位玩家的个人集锦，却并非本场最重要的故事。

第四步：拼装成能讲故事的片段

选出的片段还不能直接首尾相接。要做的事情有：给每段补足事件前后的上下文窗口，避免关键前奏被切掉；按叙事顺序排列，可以是时间顺序，也可以把最精彩的放在开头做钩子；转场处保持镜头连续，避免生硬跳切；最后按总时长预算收缩，若超了，先砍分数低的簇，而不是均匀压缩每一段。

怎样判断排序是否靠谱

评估不必追求一个漂亮的总分，可以让人把同一批候选做成“必留、可留、不留”三档，再看系统排序与之重合的程度，重点看“必留”有没有被排到后面。假设有二十个必留片段，系统前三十名里漏掉了三个，就该回头查这三个的共同特征，是没有日志事件，还是音频信号太弱。

常见的翻车点

• 候选阶段漏掉了没有日志事件的精彩片段，例如一次纯走位的躲避；
• 音频分过高，把背景里的笑声当成了精彩；
• 去重太狠，成片失去了对比与节奏；
• 长度预算太死，导致关键前奏被剪。

金沙娱乐AI的相关设计里，导入录像后先给出候选清单，再由用户在预览里增删调整，把最后一步的取舍权留给人，这在金沙娱乐App里的自动剪辑一文中有更具体的操作说明（具体功能以后续公布为准，此处仅为设计思路）。

排序做得再好，也只回答了“哪些片段值得留”。下一个问题是：击杀、翻盘和搞笑场面，是否应该共用同一套打分标准？