9月16日，在北京舉行的“火山引擎增長沙龍-人工智能專場” 上，火山引擎智能視頻編輯相關技術人員出席活動，詳細講解了字節跳動音視頻編輯中間件非線性編輯器的核心原理。

　　火山引擎認為，對于任何一款移動端APP產品來說，優質的內容生態都離不開優秀的創作者，也離不開優秀的工具加持。火山引擎的非線性編輯器采用了一種新型的“數據驅動模型”。與傳統的事件驅動范式相比，這一模型通過對五種模型的組合使用，即可實現各種各樣的編輯能力。

　　那么，在這一“新潮”的產品理念的背后，原理是怎樣的呢?為什么更改一些數據或模型，就可以最終影響視頻生成的效果呢?它背后的引擎是如何操作、如何與數據關聯起來的呢?

　　火山引擎智能視頻編輯相關技術人員在講解中表示，在編輯器中，如果將定義的模型抽象開來，可以認為它是一棵樹，其根接點就是NLEModel，在它的字節點下面可以定義不同的Track，Track下面又可以定義不同的片段Slot，每個Slot可以定義它的資源。基于這一基礎，再去做最終引擎的操作和數據的對應就非常方便。

　　在編輯過程中，用戶對視頻編輯的每一次操作都會生成一棵新的樹，有了這棵新的樹之后，再和原始的樹做對比，就知道這個中間發生了哪些過程，最終要呈現給用戶的是一種什么樣的形態。

　　詳細來說，本來這棵樹的每個節點定義了兩個屬性，一個是name，一個是ID。name相同，ID發生了變化，說明它的屬性或者它的子節點發生了變化。舉例來說，如果拿原始的樹跟生成的新樹進行對比，發現前者的NLETrack2沒有了，但多了一款NLETrack3，就可以知道，它刪掉了Track2，添加了Track3。那么，基于這些增量的信息，就可以對整個模型進行一次增量的重演，就達到了數據和底層引擎的映射。

　　此外，redo/undo的實現是另一個關鍵操作。用戶在添加完軌道以后，每一次都會基于當前的狀態生成一個新樹。此時這個樹處于只讀狀態，當用戶操作完之后、需要生成redo/undo記錄點時，就可以調用done的方法，編輯器就會把這棵樹包裝成NLECommit，存儲到redo/undo隊列里面。之后用戶切換不同的狀態，撤銷重做這些動作實際上是切換不同的NLECommit，將其對應的樹做一次重演就達到了恢復的狀態。

　　基于用戶的實際需求，火山引擎在編輯器中還對Commit和done做了分離。具體出發點很簡單，以調節濾鏡為例，用戶在一次調節中可能做了多次嘗試，最終確定了某種效果。但如果想要恢復的時候，用戶并不需要記錄中間的每一次操作，只需要知道他做了“一次”濾鏡調節的動作即可。

　　所以正是基于這一理解，火山引擎在redo/undo隊列里面存儲了不同的數據模型，這些數據模型可以非常方便的做序列化和反序列化存儲本地的草稿。換句話說，草稿里面已經存儲好了它的redo/undo的功能，所以它是一個非常完整的從草稿到當時編輯狀態的模式。這也正是火山引擎視頻編輯器的另外一個特點。

　　據悉，火山引擎增長沙龍邀請了火山引擎內部技術專家，從技術、產品、 應用和體驗4大維度，剖析智能互動特效和智能編輯在泛娛樂行業中的業務增長邏輯，探討泛娛樂行業增長的新引擎。未來，火山引擎還會繼續將成熟的技術探索、實踐經驗和產品方法論分享給行業，共創行業技術繁榮。