演讲嘉宾 | 贾导
整理 | 张蔚斐
摄 | 冯玮
今年初，索尼发布了一款可以解放教师双手、自动化拍摄、构图专业的 4K PTZ 智能中心构图摄像机新品。
在我们还在寻找 ChatGPT 与人工智能在教育行业的应用与变革时，索尼已经交出了一份答卷。
索尼的新品可以通过 AI 算法实现教育场景中智能化视频拍摄，几乎能替代摄影工作者，解决教育行业有录课需求，但缺少专业摄影师的痛点，是人工智能在教育应用领域中的一次突破。
7 月 11 日，索尼消费电子与专业系统本部市场总部，影像方案及移动通信市场部高级经理，影像与分析产品负责人贾导以 " 人工智能让拍摄更智慧 " 为题，在第 41 期多知 OpenTalk 的现场分享了这款 PTZ 智能中心构图摄像机。
（以下为演讲全文，经多知网编辑整理）
索尼影像方案及移动通信市场部高级经理贾导
索尼的产品在很多高校都有广泛应用，例如清华大学混合课堂用的摄像机、上海交大用的云台摄像机等等。回到今天的主题 " 探索教育智能硬件的未来 "，那么，索尼在教育场景里的影像产品长什么样？智能硬件到底帮助大家做什么？
01
自动化的教育场景视频拍摄，解决行业痛点
当今不仅很多学校、教育机构都有录课的需求，在实际的教学场景中，还出现了更加复杂的教学场景—混合课堂，即一部分学生在现场、一部分学生在线上。复杂的应用场景对于影像拍摄的质量、操作智能化程度，都提出了更高的要求。
在实时录课、在线传播过程中，大家发现这并不是一件轻松的事情。课堂中，老师不断走动，很容易就走出画面，网络稍有延迟就导致传播中断，画质不清、焦点模糊、光线昏暗、现场操作人员不足等种种问题存在于实际教育场景应用中。
基于教育行业的需求和索尼的 AI 技术沉淀，索尼推出了具有人工智能分析的 PTZ 智能中心构图摄像机 SRG-A40 与 SRG-A12 两个型号的新产品，它们的亮点在于能很好的解决智能化、自动化视频拍摄的痛点。
例如，老师在讲课走动时，过去的操作是由其他摄像师转动机器，寻找老师的画面，将人物置于 C 位。现在，索尼的设备会自动捕捉选定人物、追踪人物轨迹，即使画面中出现其他人，也不会丢失追踪对象。省去了以往摄像老师盯着设备手动调整画面的操作，使拍摄更自动化，节省人力。
这款产品重点关注的行业包括教育、体育、医疗、政府、媒体等，这些行业的共同特点就是没有太多专业的摄像机操作人员，特别是教育行业，对操作简单、自动化程度高的教学设备需求很大。
索尼 SRG-A40/A12 PTZ 智能中心构图摄像机
强大的画面捕捉算法和高清成像质量，即使没有专业的摄影师，也能拍出高质量的课堂。除此之外，它还能解决摄像人手不足的问题。以往，一台摄像机旁往往还需要配一个摄像师管理设备，如果遇到多位教师录制，就面临人手不足的情况。PTZ 智能中心构图摄像机可以自动在台后端进行操作。只需要一位老师就可以用该摄像机负责多间课堂的图像采集工作。
对于有录课需求、课堂转播需求的学校和机构来说，自动化、智能化程度高的摄像机让教育行业智能化加快了脚步
02
AI 构图，通过算法实现专业拍摄
索尼的 PTZ 智能中心构图的核心优势有三点：
其一，全自动操作，通过我们平台实现全自动地搜寻拍摄目标，并且开始跟踪；
其二，构图模式与细节调整，满足教育智能化里面不同的场景的构图；
其三，内置人工智能分析能力，对于供应商或集成商来说，可以节省成本，减少系统的节点；
PTZ 智能中心构图功能的关键是得到原生画质。对比普通的摄像机来说，照相机要实现中间有人的构图裁切，是通过裁切固定的 4K 画面中的一部分得到的，这种方式是低质量的，我们的摄像机通过 Pan/Tilt/Zoom（平移 / 俯仰 / 变焦）三大操作，大家得到的是高品质原生画面。
在跟踪拍摄方面，PTZ 智能中心构图摄像机会进行面部识别，骨骼框架识别，对于检测到的拍摄者的骨骼框架进行多位置打点，分析计算每一个微小动作，并给出行为指令到云台。
通过 SRG-A40/A12 智能中心构图功能，包括内置的核心处理芯片，索尼摄像机可以实现全身、半身、特写等多种构图切换。
演讲者被识别之后，能够始终处在画面的中心位置，不会丢失拍摄目标。在构图方面，拍摄目标始终处于 C 位，即使演讲者有些轻微的动作，或者有干扰性路人穿插的时候，算法也能给出合理的构图，摄像机始终追着演讲者。
03
高品质影像依旧是核心长板
索尼除了在 AI 方向的探索外，核心优势仍然在于高品质影像。
索尼的成像器技术采用 Exmor R 背照式成像器，通光量提高，在暗环境也可以拍出好的画面。用 Exmor R 的成像器能够采集低噪点、高质量的图像，华为手机、苹果手机里面的成像器大部分应用到了索尼这一项核心器件。
超分辨率技术使光学变焦倍增，加上清晰影像变焦功能和长焦转换模式，通过裁剪图像传感器的中心部分，A40 在高清模式下摄像机可以扩展到 80 倍变焦，即使在阶梯教室也能拍出高质影像。A12 可达 24 倍变焦。
在宽视角方面，索尼以往的 PTZ 摄像机摄像机视角大约为 65 °，索尼新品则达到约 70 °，宽视角使捕捉到的画面更加宽广。
索尼始终将用户的体验摆在第一位。以校园为例，老师在上课的过程中，可能会用到很多工具，电脑、翻页笔、话筒等，如果想转播课程，可能还需要在现场配备多名操作人员，对课堂环境有很大的影响。在使用场景中，老师肯定是希望场景中的设备越少越好，最好达到无感的操作环境，不影响上课。PTZ 智能中心构图摄像机 SRG-A40/A12 能做到的就是自动化操作，不需要过多的人员在现场，干扰课堂。
我们不想让硬件加重老师的负担、剥夺了教师本该履行的职责，更不能让他分心。我们做产品一定不能脱离教育本身的逻辑。
在教育智能化的探索过程中，索尼一直希望可以提高技术支持。从摄像机实现图像的采集、吸顶麦克风实现声音采集、再到商用显示器实现图像显示等，索尼专业产品都可以在教育环境中呈现。
具有人工智能分析功能的 PTZ 智能中心构图摄像机正在逐步改变教育场景化的未来，基于人工智能技术呈现出的高清影像画质，为还原一堂精彩纷呈的沉浸式数字课堂提供了强有力的技术支持。
以上就是我们今天关于索尼智能硬件的分享。感谢大家。
04
Q&A
（与观众互动交流）
提问：您好，我是元宇宙硬件销售代理商，也是一个消费者，摄像机这种场景我们经常会应用到，我们公司开线下沙龙就需要摄影师，不同的分享者间隔时间有长有短，这样的情况下，是不是后台需要有一个人操作？
贾导：比如今天有三位嘉宾，轮流演讲，如果时间过长，为了保证会议效果，最好有一个人在后台进行手动选择，然后保持准确构图和跟踪，选择哪位演讲者，镜头就会一直跟着他，可以是嘉宾自己通过系统点击选择，给他设计一个很简单直观的操作界面，也可以是后面一位工作人员进行辅助。
提问：我是一家咨询公司的市场分析师，比较关注咱们现在这套解决方案在教育场景是不是已经有落地？如果没有的话，未来期望的落地方向有哪些？
贾导：这个产品今年 1 月 31 号全网发布，真正供货是 6 月初，在这之前进行了很多线下市场推广活动，例如在全国进行的 11 站线下推广沙龙活动等。
我们的第一个案例来自于纽约大学上海校区，他们的学生有的在国外通过线上上课，有的在线下，他们的用法是把我们这些 AI 功能都用上，并且能够通过索尼免费的虚拟摄像头驱动软件，很方便接入到软件平台，不需要采集卡。
在国内，我们还和东亚银行等进行合作。
关于我们的销售规模和预期，目前大部分市场还是留给国内的录播一体的平台，而索尼这部分切入的目标市场有所不同，索尼的摄像机在国内的教育领域更多的是针对精品的 AI 智能混合课堂，而不是泛市场的录播系统。
提问：这个摄像机能美颜吗？
贾导：这个功能我们产品暂时没有加入，但是在新产品的设计时，会审慎的考虑用户的需求。索尼影像产品一直以来坚持真实还原，例如我们的相机、摄像机的使用者大多是进行艺术创作，因此索尼呈现的是一个没经过任何处理的原生画面，在这个基础上他们进行二次创作。但未来在教育、工作场景中如果客户有这方面需求，根据市场反馈，我们会考虑进行功能升级。
提问：大家非常关心的一个问题是，跟踪老师到讲台的时候，板书或课件是否能看得清楚？
贾导：我们今天的这款机器是一款 4K 摄像机，纽约大学之所以选择我们，原因之一就是因为我们拍的板书很清楚。另外，采用索尼的另一款 AI 设备，可以把板书提取出来，在老师的前面形成板书的画面，从后面提取到前面，让线上线下的观众，通过显示器可以清楚看到板书。课堂中最主要的信息是板书，板书的前置提取，都可以通过影像采集和 AI 分析的技术实现。
提问：如果是两个老师在台上，摄像机怎么追踪呢？
贾导：目前来讲，如果两个人都出现，两个人脸上都有选框，自动模式会优先选择第一个进来的人。也可以手动干预进行点选，这是 1.0 的版本。
未来是会考虑一个问题，如果这两个人是分道扬镳，你往这边走，我往那边走，怎么办？PTZ 摄像机是物理云台在动作，AI 算法给出云台指令到底跟谁，这有一定的逻辑难点，索尼也在研究这个场景的下应该给出什么样合适的构图。
