第五单元 5.2 任务1 认识数字视音频技术（课件）-《数字媒体技术基础》（高等教育出版社）同步精品课堂

第五单元 5.2 任务1 认识数字视音频技术 数字媒体技术基础 同步精品课堂 高等教育出版社 任务一 数字视音频技术概述 任务二 数字视音频关键技术 任务三 数字视音频的AI新应用 掌握国家标准《机械制图》中有关图幅、比例、字体图线等基本规定。 教学目标 一 1、了解数字视音频技术的概念 2、掌握数字视音频关键技术 3、了解数字视音频的AI新应用 教学重难点 二 教学重点： 1、语音合成与语音识别的区别 2、非线性编辑的概念和优势 教学难点： 后期特效制作技术的应用 导入新课 三 你是否曾在影院中被杜比音效的雨滴声包裹；是否被逼真的爆炸场景震撼到屏息凝神？数字视音频技术将声音的细腻、画面的真实与特效的震撼创造出一场感官盛宴，那么什么是数字视频技术？它又是如何来实现的呢？ 任务一 数字视音频技术概述 新知讲授 四 1、数字音频技术 数字音频技术是将连续的、模拟的声波信号（如人声、音乐）通过采样、量化和编码，转换成离散的二进制数字序列，以便计算机存储、处理和传输的技术。 录制 采样、量化和编码 存储 编辑与处理 压缩 应用领域 音乐制作：从录音、混音到母带处理的全流程。 影视配音与音效设计：对白、背景音乐、环境音、特效音的创作与集成。 游戏音效：交互式音频与沉浸式声场设计。 通讯领域：如网络电话、视频会议。 新知讲授 四 2、数字视频技术 数字视频技术是将连续的模拟视频信号（由一系列静态图像帧组成）进行数字化，并对得到的大量数据进行存储、编辑、压缩和传输的技术。 获取与存储 数字化 编辑 压缩 播放 应用领域 电影、电视与流媒体（Netflix, YouTube等）。 视频监控与视频会议。 网络短视频与社交媒体。 医疗影像、科学观测等专业领域。 新知讲授 四 3、影视特效 影视特效是对现实生活中不可能完成以及难以完成的镜头，或需要花费大量资金拍摄的镜头，用计算机或工作站进行数字化处理，从而达到预期的视觉效果。 应用领域 实现“不可能”的镜头：创造现实中不存在的生物、场景或超自然现象。 完成“高风险、高成本”的镜头：替代危险的特技或节省庞大的制景费用。 修复与优化：解决拍摄中难以避免的问题。如去除演员身上的威亚绳索、数字绘景扩展实景范围、让演员“返老还童”。 新知讲授 四 4、数字特效 数字特效是利用计算机技术创建、修改或增强影像中的视觉效果，广泛应用于电影、电视、游戏等领域。 应用领域 电视：新闻节目的虚拟演播室、电视剧的奇幻场景。 游戏：构建整个游戏世界、角色和过场动画。 广告：创造吸引眼球的产品展示。 建筑可视化与VR/AR：创建沉浸式的数字体验。 任务二 数字视音频关键技术 新知讲授 四 1、数字音频处理技术——①语音合成 语音合成又称文语转换，它是将计算机自己产生的或外部输入的文字信息转变为拟人化的、高自然度的语音的输出技术。 传统方法 拼接合成：预先录制一个庞大的语音单元库（如音节、词或短语），合成时从库中选取合适的单元进行拼接。优点是音质较高（因为使用真人录音），缺点是自然度和灵活性差，数据库庞大，且难以保证拼接处语调的连贯性。 参数合成：通过复杂的数学模型（如隐马尔可夫模型）来模拟声道的物理特性，生成语音的参数，再重建语音波形。优点是系统体积小，但合成的语音机械感强，自然度不足。 新知讲授 四 1、数字音频处理技术——①语音合成 语音合成又称文语转换，它是将计算机自己产生的或外部输入的文字信息转变为拟人化的、高自然度的语音的输出技术。 现代方法：基于深度学习的合成 突破：深度学习，特别是端到端模型，彻底改变了这一领域。它不再需要复杂的人工特征设计和规则，而是直接从文本映射到语音波形。 工作原理：模型通过海量的“文本-语音”配对数据进行训练，学习文本背后的发音、韵律、重音、停顿等特征，从而生成无限接近真人、甚至超越真人自然度的语音。 代表性技术：如WaveNet、Tacotron等。它们能生成极其自然、富有表现力的语音，甚至能模仿特定人的音色和情感。 新知讲授 四 1、数字音频处理技术——①语音合成 智能助手与智能音箱 有声内容创作 导航系统 新知讲授 四 1、数字音频处理技术——②语音识别 语音识别是将语音信号转化为可理解文本形式的技术。它通过分析语音的声学特征，识别出语音中的音素、词汇和语句，并将其转化为可读的文本形式。 传统方法 依赖于一套复杂的流水线系统，包括声学模型（识别音素）、语言模型（根据词汇和语法规律判断最可能的词序列）和词典（音素与词的对应关系）。这个过程繁琐且容易出错。 现代方法：基于深度学习的合成 深度神经网络：取代了传统的声学模型，能够直接从音频中学习更鲁棒的特征，大幅降低了在噪音环境下的识别错误率。 端到端模型：这是当前最前沿的技术。它将声学模型、发音词典和语言模型全部整合进一个单一的深度学习网络。 新知讲授 四 1、数字音频处理技术——②语音识别 语音输入法 实时字幕 智能家居控制 新知讲授 四 2、数字视频处理与后期特效技术——①非线性编辑 非线性编辑是一种基于计算机和硬盘存储的视频编辑方式。它允许编辑者随机、非顺序地访问和编辑任何一段视频素材，而无需像过去的磁带线性编辑那样按时间线从头到尾搜索。 工作流程：采集/导入 → 剪辑 → 添加转场/特效/字幕 → 调色 → 混音 → 渲染导出。 高效灵活 无损操作 集成度高与成本低 可以随时在时间线的任意位置插入、删除、修改片段，创意不受技术限制。 所有的编辑操作（如剪切、特效）都是对原始素材的引用和指令记录，而非直接修改原始文件，因此可以无限次撤销和重做，视频质量无损失。 一台高性能计算机加一套专业软件即可取代过去一屋子庞大、昂贵的专用线性编辑设备。 新知讲授 四 2、数字视频处理与后期特效技术——②抠像技术 抠像是一种将视频画面中的前景主体与背景分离的技术，以便将主体合成到新的场景中。 传统色度键抠像：利用颜色差异。让主体在纯色背景（通常是亮绿色或蓝色） 前拍摄，因为绿色/蓝色与人体肤色和常见衣物颜色差异最大。软件通过识别并移除画面中所有该特定颜色的区域，从而“抠”出主体。 新知讲授 四 2、数字视频处理与后期特效技术——②抠像技术 抠像是一种将视频画面中的前景主体与背景分离的技术，以便将主体合成到新的场景中。 现代无标记抠像：借助人工智能和深度学习。模型通过海量图像训练，学会了“理解”图像内容，能够智能地识别出人物的轮廓、发丝、半透明物体（如婚纱）等复杂边缘，而无需依赖纯色背景。 新知讲授 四 2、数字视频处理与后期特效技术——③调色技术 调色是通过调整视频画面的色彩信息，来实现技术修正和艺术创作的过程。 工作流程：通常分为一级调色（校正整体画面的色彩、对比度）和二级调色（对画面中的特定颜色或区域进行局部调整）。 技术校正 艺术创作与氛围营造 修正因白平衡错误、曝光不准导致的色彩偏差。 确保同一场景下不同镜头之间的色彩和亮度保持一致（色彩匹配）。 创造视觉风格：如冷峻的蓝色调、温暖的橙黄色调等。 引导观众情绪：不同的色调能直接引发观众不同的情感反应。 突出视觉重点：通过局部调色，让观众的视线聚焦于特定主体。 新知讲授 四 2、数字视频处理与后期特效技术——③调色技术 调色不仅能够修正拍摄时的光线、色彩偏差，还能根据创作需求进行艺术化的色彩重塑，使作品更加符合导演的创意意图，提升整体的视觉吸引力和情感表达。 任务三 数字视音频的AI新应用 新知讲授 四 1、AI生成视频技术 AI生成视频技术是指利用深度学习模型，根据给定的指令（如文本、图片或其他视频）自动生成或深度辅助创作视频内容的技术。其核心在于模型对海量视频数据的学习，使其能够理解并模拟现实世界中的运动、光影和物理规律。 文本生成视频：用户输入一段描述性文字，AI模型（如OpenAI的Sora、Runway ML）即可生成一段符合描述的、连贯的短视频。这是目前最具颠覆性的形式。 图像生成视频：输入一张静态图片，AI能够预测并生成图片中元素的合理动态效果，如让水面泛起涟漪、让旗帜飘扬。 视频风格迁移：将一种视频的艺术风格（如梵高的油画风格、水墨画风格）应用到另一段视频的内容上，实现整体视觉风格的转变。 新知讲授 四 2、AI换脸技术 AI 换脸技术利用人脸检测、特征点定位等技术分析并学习人脸特征，通过图像融合技术将目标人脸替换到视频或图片中，实现“以假乱真”。 应用场景 娱乐与短视频：制作“变身明星”的搞笑视频或特效，增加趣味性。 影视制作：用于演员的“数字替身”，可以完成危险镜头、修复演员档期问题。 虚拟主播与虚拟偶像：打造永不疲倦、形象完美的虚拟形象进行直播或内容发布。 新知讲授 四 3、数字人技术 数字人技术是创建高度拟人化、可交互的虚拟人物的技术。它综合运用了三维建模、动作捕捉、语音合成、自然语言处理 和AI驱动 等多种技术，使数字人不仅拥有逼真的外观，还能进行表情管理、语言对话和自主行为。 核心优势 可控与稳定：形象、人设和言论完全可控，避免了真人明星的“人设崩塌”风险。 高效与持久：可以同时在不同平台工作，不知疲倦。 突破物理限制：能够实现真人无法完成的特效和表现形式。 新知讲授 四 4、技术繁荣背后的隐忧与挑战 版权归属模糊：AI生成的内容，其版权属于提供算法的公司、提供数据的用户，还是属于AI本身？目前法律界定尚不清晰，极易引发纠纷。 训练数据侵权：AI模型训练使用了海量未经授权的互联网图片和视频，本身就存在侵犯原作者的版权和肖像权的风险。 虚假信息泛滥：“深度伪造”技术使得“有图有真相”成为历史，严重侵蚀社会信任体系，可能被用于操纵舆论、干预政治。 身份伪造与欺诈：如AI换脸可用于冒充他人进行诈骗，威胁财产安全。 隐私泄露与数据安全：这些技术依赖于大量个人生物信息（如人脸）数据进行训练，存在数据被滥用或泄露的巨大风险。 师生互动 五 1、数字视音频技术包括哪些 2、语音合成与语音识别有什么区别 3、传统的抠像技术和现代抠像技术有什么区别 答案： 1、数字音频、数字视频与后期特效。 2、语音合成是将文字信息转为语音；语音识别是将语音信号转为文本形式。 3、传统方法依赖绿幕或蓝幕拍摄，现代抠像技术无需绿幕。 随堂练习 六 1 、近年来，（ ）技术的引入极大地推动了语音合成的发展‌。 A．传统录音技术 B．机械技术 C．模拟技术 D．深度学习技术 答案：D 解析：近年来，深度学习技术的引入极大地推动了语音合成的发展。 随堂练习 六 2 、与传统的线性编辑相比，非线性编辑的一个重要优势是( ). A．编辑造成的视音频质量损失几乎可以忽略不计 B．编辑质量损失很大 C．设备更大型 D．价格更高 答案：A 解析：非线性编辑造成的视音频质量损失几乎可以忽略不计. 随堂练习 六 3 、在天气预报节目中，主持人站在绿幕前，播出时背景替换为动态地图，这应用了( )。 A．抠像技术 B．调色技术 C．语音合成技术 D．语音识别技术 答案：A 解析：主持人站在绿幕前，播出时背景替换为动态地图，这属于抠像技术。 随堂练习 六 4 、AI生成视频技术利用的技术不包括( ) A．深度学习 B．机械工程 C．计算机视觉 D．自然语言处理 答案：B 解析：AI生成视频技术利用深度学习、计算机视觉与自然语言处理技术. 随堂练习 六 5 、（多项选择题）数字媒体技术的主要应用领域包括( )‌ A．数字音频 B．数字视频 C．后期特效 D．文本处理 答案：ABC 解析：数字音频、数字视频与后期特效是数字媒体技术的主要应用领域。 随堂练习 六 6 、（多项选择题）传统的语音合成方法包括( )‌ A．拼接合成 B．参数合成 C．深度学习合成 D．神经网络合成 答案：AB 解析：传统的语音合成方法包括拼接合成和参数合成。 随堂练习 六 7、(是非选择题)数字音频技术是利用数字化手段录制、存放、编辑、压缩和播放音频的技术。 A.正确 B.错误 答案：A 解析：数字音频技术是利用数字化手段录制、存放、编辑、压缩和播放音频的技术。 随堂练习 六 8、(是非选择题)参数合成通过拼接预录制的语音片段实现语音合成。 A.正确 B.错误 答案：B 解析：拼接合成通过拼接预录制的语音片段实现，参数合成依赖数学模型生成语音。 随堂练习 六 9、抠像技术能将视频中的主体（如人物）从 中精准分离，便于后期自由替换场景或叠加 。传统方法依赖 或 拍摄，通过 识别主体，随着技术突破限制， 也能识别边缘。 答案：原背景 特效 绿幕 蓝幕 颜色差异 无需绿幕 解析：抠像技术能将视频中的主体（如人物）从原背景中精准分离，便于后期自由替换场景或叠加特效。传统方法依赖绿幕或蓝幕拍摄，通过颜色差异识别主体，随着技术突破限制，无需绿幕也能识别边缘。 课堂小结 七 谢谢 $