众所周知，传统的视频平台针对视频封面的选取往往都是随机选取其中一帧，或者干脆就是首帧画面。这种“结果怎么样全靠命”的选取方式，怎么想都有点儿刺激呢！

小度随手举几个例子，看下图：

这是一个孩子，一个小孩子，但眉眼间流露出超越年龄的焦虑。他在惋惜什么？他在紧张什么？啊哈！是暑假最后一天才想起来作业没做完对吧！那肯定是家教学习机的广告咯？

其实，并不是的！

这是回到汪星球的微电影！

“汪汪”此刻小度的表情宛如图上这只老汪，这支命名为《回到汪星球》的感恩节影片想想就知道是围绕狗狗展开啊喂！可是封面里居然完全没有狗。

总而言之，无论多么精彩的视频，一般来说最后能否获取高关注，主要取决于配合标题的封面是否足够精准。由此产生两个问题：搜寻视频的人很难根据封面找到真正想找的视频，同时上传视频的人想要选出合适的封面也要耗费很大精力。

| 视频封面选图，人工智能的主场

想要选出贴切的视频封面，如果拒绝视频平台的随机抓取，那么似乎也就只剩下人工筛选这一条累心又耗时的老路？其实不然！

百度大脑的智能视频分析技术专门推出的“视频封面选图”功能，专治各种视频封面的“疑难杂症”。

功能演示：

如上边举的例子，经过视频平台自动生成（图左）与智能视频封面提取（图右），分别得到如下封面：

与视频平台随机生成的视频封面相比，显然智能提取的视频封面更加准确地表现了视频内容。（更多功能演示视频可登陆 http://ai.baidu.com/tech/video/vcs 观看。）

| 关于技术，看完全知道

它是怎样“理解”视频的？理解到了什么程度？一般而言选取需要多长时间？封面选取的主要依据有哪些？如何平衡“贴合度”与“吸睛程度”？目前可以自动选取动态图片做封面吗？ 

 ◇ 

带着这些疑问，我们向百度大脑专门的技术人员进行了请教和询问，接下来就欢迎“收听”技术小哥的“科技频道”吧 

1.智能视频是怎样“理解”视频的？（智能视频如何分析一条视频？）

视频内容分析方案，基于视频流信息，提取视频中的音频和每帧的图像内容，应用AI的语音、图像、NLP技术，实现对音频的语音识别转文字，实现对图像中人物的人脸识别、字幕和文字的OCR识别、物体和场景的识别，输出一系列代表视频内容的文本、标签、人物信息，最后通过NLP的语义理解，抽取出最终的视频标签。

2.理解到了什么程度？（智能视频对视频的分析程度？）

视频内容分析方案，可以实现对视频中的对白、公众明星人物、字幕关键内容、视频场景和关键物体等各种内容元素的识别和理解。

3.一般而言选取需要多长时间？（智能视频在分析一条视频之后，经过多长时间的运算可以得出最佳封面的结果？）

一般情况下，对一段视频进行理解和分析，需要的时长不超过视频本身的时长。主要时间是花在多维的内容提取和识别上，识别后，模型计算形成最后的标签和封面图是实时生成的。

4.封面选取的主要依据有哪些？（智能视频分析视频之后，通过怎样的比较、依据什么条件得出最佳的封面结果？）

模型考量的主要是，从视频中抽取出的每帧图像的清晰度、美观度、内容丰富度、内容与主题的相关性等维度。

5.如何平衡“贴合度”与“吸睛程度”？（选取视频封面的时候，是会优先选择符合视频内容的画面，还是优先选择吸引眼球但不那么符合视频内容的画面？）

“贴合度”主要含义是指封面图中的内容，能够很好的体现整段视频的核心内容；“吸睛程度”主要含义是指封面图本身的清晰度、美观度、内容的丰富度要足够吸引眼球，而不是一张枯燥无味的平淡的图片。模型会根据具体的case调整权重，选择最适合的一张。

6.目前可以自动选取动态图片做封面吗？（目前可以自动截取一段gif作为视频封面么？未来呢？）

目前已经开放的服务，还不能选取动态图片做封面。我们正在研发动图封面和视频精彩片段提取的模型，很快将会推出。

| 广阔的应用前景

无论是自媒体创作短视频，亦或是综合视频网站的海量视频，都可以使用智能视频封面选图服务，快速为长/短视频选出最具代表性的高质封面，提升用户的视觉体验，同时便于用户快速筛选视频，帮助用户留存。

智能视频封面选图服务，为视频生成最精彩的封面，在最短的时间内把视频最具吸引力的内容呈现出来， 有效帮助提升视频的点击量、播放量和用户停留时长。

优化用户体验和提高视频播放量的同时，你的每一次调用其实都在切实体验着人工智能润物无声的完美服务。而这，不正是我们曾经向往的未来吗？