懒人制作学术会议 Oral/Spotlight Video指南

作者 | 山隹木又

编辑 | 丛 末

1

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CVPR2020 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。

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。

2

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。

3

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～

4

AI念稿（语音）

这里推荐谷歌家的text-to-speech，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。

5

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；

6

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！

下面是一条硬广：

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！

• 论文链接：http://www.weixiushen.com/publication/cvpr20_BBN.pdf
• 开源代码：https://github.com/Megvii-Nanjing/BBN
• 论文文字版解读：《CVPR 2020 Oral | 双边分支网络BBN：攻坚长尾分布的现实世界任务》

---