实用教程：如何制作学术会议Oral/Spotlight Video？

©PaperWeekly · 作者｜崔权

学校｜早稻田大学博士在读

研究方向｜计算机视觉

引言

在疫情影响下，不少学术会议都变成了线上举行，于是乎制作在线上会议上使用的 oral 视频成了科研工作者们的新任务，最近做了 BBN 工作 CVPR 2020 oral 材料，slides 的制作比较简单，有很多帖子可以参考，写个文章记录下在 mac OS 下做视频的工具和思路（硬广）。

学术会议的视频中，图像一般是 slides，声音一般是对 slides 的讲解。（虽然和在现场分享别无二致，但是没有实体听众，多多少少会缺点人情味和紧张感～）一个很自然的思路是，自己线下配合 slides，在小黑屋里边做 presentation，边录屏、录音。

虽然这样看起来流程非常自然，但是实操过程中会经常失败，比如时不时 slides 动画的切换没有和嘴巴配合好，时不时嘴巴秃噜了念了个错误的词，抑或是对自己的 pronunciation 不是很自信。如此，想录一个完整的 pre 出来是时间成本较高的一件事。因为我是个比较懒的人，所以想了如下的懒人思路：

1. 写好一份精炼的讲稿，由于正常情况下人一分钟能说 130～150 词，所以讲稿的长度完全由视频要求的时长决定，由于 CVPR 视频限时 5 分钟，我写的就是 700 词左右的讲稿；
2. 结合讲稿做好静态的 slides，在脑袋里模拟一下有哪些地方需要用动画配合讲解，再添加上动画，用 latex 做 slides 的大神除外；
3. 把讲稿扔进 text-to-speech 软件里，生成一份由 AI 念的稿子，录下来存成 mp3 格式；
4. 配合 AI 念的语音，完成对 slides 的录屏，存成 mp4 格式；
5. 把语音和录屏剪辑在一起，完成啦！

为什么要这么做呢？原因有以下几点：

1. 先写稿子，稿子决定了 pre 的质量，稿子可以反复修改，操作空间巨大；

2. 写好稿子再做 slides，速度会非常快，而且思路会更清晰；

3. AI 生成的念稿语音可以解放我们的嘴巴，专心做好 slides 的页面切换和动画配合；

4. 完成录屏后，可以直接用 AI 生成的语音合成视频，也可以自己跟读 AI 的语音，同时录音。跟读要容易很多很多，实操一把就知道；

剩下的文章分步骤详细讲讲怎么做。

讲稿

选择自己喜欢的写作方式，可以写俏皮一点也可以正规一点，感觉圈子还是很包容的！这里放一小段，可以用 grammarly 之类的 app 改一改。

Slides

知乎上有很多帖子教怎么做「学术ppt」，搜搜就有啦！主要风格还是简洁，不要摆太多字在 slides 上就好，TL;DR～

AI念稿（语音）

这里推荐谷歌家的 text-to-speech  [1] ，谷歌牛逼我只能说，太逼真啦！试用功能就够用啦。下面图中的红框可以调节语速，这个功能可以让你把稿子的时长刚好控制在 5 分钟，也是非常节省时间的一步，不需要自己瞎琢磨语速。

由于 mac 的录屏没有声音，所以这一步会用到一个工具叫作 Audio Hijack，这个软件长成下面的样子，可以捕捉 app 的声音，选择成捕捉浏览器的声音，就可以把谷歌 AI 念的语音导出成 mp3 文件咯。

slides录屏（图像）

这里试用 mac OS 自带的 QuickTimePlayer 就 ok，简单易用，导出的视频是 mp4 格式的，完美；

剪辑（语音+图像->出货）

强烈推荐 mac OS 自带的 iMovie，几乎没有学习成本，把录屏的 mp4 和录音的 mp3 导入这个 app，裁剪一下超时的视频和音频，对齐一下时间轴，随后就可以导出成成品视频啦！放一小段看看效果吧！

当然，各位也可以把语音换成自己跟读AI的录音，会更有人情味一点。

硬广

做了 poster 但是 cvpr 官方通知不需要了，觉得有点浪费！放在这里宣传一下我们的工作！code 已开源！

https://github.com/Megvii-Nanjing/BBN

参考链接

[1] https://cloud.google.com/text-to-speech

更多阅读

#投 稿 通 道#

 让你的论文被更多人看到 

如何才能让更多的优质内容以更短路径到达读者群体，缩短读者寻找优质内容的成本呢？答案就是：你不认识的人。

总有一些你不认识的人，知道你想知道的东西。PaperWeekly 或许可以成为一座桥梁，促使不同背景、不同方向的学者和学术灵感相互碰撞，迸发出更多的可能性。 

PaperWeekly 鼓励高校实验室或个人，在我们的平台上分享各类优质内容，可以是最新论文解读，也可以是学习心得或技术干货。我们的目的只有一个，让知识真正流动起来。

📝 来稿标准：

• 稿件确系个人原创作品，来稿需注明作者个人信息（姓名+学校/工作单位+学历/职位+研究方向） 

• 如果文章并非首发，请在投稿时提醒并附上所有已发布链接 

• PaperWeekly 默认每篇文章都是首发，均会添加“原创”标志

📬 投稿邮箱：

• 投稿邮箱：hr@paperweekly.site 

• 所有文章配图，请单独在附件中发送 

• 请留下即时联系方式（微信或手机），以便我们在编辑发布时和作者沟通

🔍

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

关于PaperWeekly

PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。