Adobe作为后期制作领导者,长期致力于支持电影制作和影视娱乐行业。近二十年来,Adobe Premiere Pro已经发展成备受信赖的剪辑软件,包括长篇和影视剧内容在内的编辑与后期都可通过Premiere Pro完成。Adobe近日宣布发布《Premiere Pro 最佳实践和用户指南》,专为电影和电视剧制作人量身打造,并提供免费下载。此指南由 Adobe 工程师、业界资深人士和屡获殊荣的剪辑人员多年精心打造,以深入研究多年来塑造无数获奖节目、电影和项目的 Premiere Pro 的基本功能。
Adobe Premiere Pro中剪辑师和后期专业人士所喜爱使用的功能Productions 于 2020 年首次推出,它显著地提高了长篇和剧集剪辑团队的工作效率和协作流程。该功能的早期版本在 Netflix 的《曼克》、派拉蒙影业的《终结者:黑暗命运》、 Netflix的《心灵猎人》、 Netflix 的《我叫多麦特》和 A24 的《瞬息全宇宙》等好莱坞作品中都进行了测试,且大获好评。
除了Productions之外,Adobe 还整理了其他关键主题,包括硬件配置、原始素材编辑工作流程、多机位剪辑、与After Effects的动态连接、中转版本等。Adobe希望此指南可以成为对世界各地剪辑人员有帮助的资源。
《Premiere Pro最佳实践和用户指南》(以下简称《Premiere Pro指南》)免费提供全面的引导,深入阐述 Premiere Pro 的主要功能,包括:
硬件与配置
在指南硬件的配置章节中,用户可以了解到 Premiere Pro 如何利用现代计算机硬件的强大功能,找到能够实现创作需求的系统。影视制作人可以了解最适合配置的硬件,以及进阶工作流程中重要的配置偏好。
原始素材编辑工作流程
原始素材指的是那些已经拍摄完成,但却未经编辑、剪辑等后期制作的电影、电视影片等。在Premiere Pro指南中,用户可以从基础开始了解 Premiere Pro 如何将原始素材编辑整合到更广泛的后期制作流程中。对该工作流程的详细考虑与设计能确保用户的项目从正确的轨道上开始。
使用Productions制作作品
Premiere Pro中的Poductions 为团队的多项目工作流程提供了一个灵活、可扩展的框架,无论用户独自工作还是与团队合作,Production都能帮助他们保持项目的组织性和效率。无论项目规模大小,Productions 均可适用。
多机位编辑
Premiere Pro 具有深入而灵活的多机位编辑功能,《Premiere Pro指南》详细解读了如何判断哪种工作流程适合哪些情况,帮助用户顺利地开启多机位工作。
与After Effects 的动态连接
动态连接(Dynamic Link)功能强大,通过这一技术,用户可以直接在 Premiere Pro 的时间轴中查看 After Effects 的工作进度(如标题或视觉效果),而无需渲染。
中转版本
中转版本(Turnovers)是指输出项目数据和媒介存档的过程,让Premiere Pro中输出的档案可被其他的应用程序所读取,同时另一位创作者或剪辑人员也可以接续完成他们的工作。本章内容也包括了如何将转档输出后的版本提交给调色、音频混合和视觉效果团队的最佳实践与使用方法。用户还可了解如何准备时间轴以及哪些设定最适合其工作流程。
好文章,需要你的鼓励
随着AI模型规模不断扩大,GPU内存容量已成为瓶颈。Phison和Sandisk分别提出了软硬件解决方案:Phison的aiDAPTIV+软件通过创建跨GPU内存、CPU内存和SSD的虚拟内存池,支持高达700亿参数的模型;而Sandisk的高带宽闪存(HBF)则采用类似HBM的硬件架构,通过TSV连接器将NAND闪存与GPU紧密集成。Phison方案适合中小企业和边缘系统,Sandisk方案则针对大型GPU服务器,两种技术可共存互补。
上海AI实验库推出YUME系统,用户只需输入一张图片就能创建可键盘控制的虚拟世界。该系统采用创新的运动量化技术,将复杂的三维控制简化为WASD键操作,并通过智能记忆机制实现无限长度的世界探索。系统具备强大的跨风格适应能力,不仅能处理真实场景,还能重现动漫、游戏等各种艺术风格的虚拟世界,为虚拟现实和交互娱乐领域提供了全新的技术路径。
法国AI初创公司Mistral AI发布了首个大语言模型全面生命周期评估,量化了AI的环境代价。其Mistral Large 2模型训练产生20,400吨二氧化碳当量,消耗281,000立方米水。运营阶段占环境影响85%,远超硬件制造成本。研究表明地理位置和模型大小显著影响碳足迹,企业可通过选择适当规模模型、批处理技术和清洁能源部署来减少环境影响。这一透明度为企业AI采购决策提供了新的评估标准。
上海AI实验室研究团队开发了革命性的AI编程验证方法,让大语言模型能够在最小人工干预下自动生成和验证程序规范。该方法摒弃传统的人工标注训练,采用强化学习让模型在形式化语言空间中自主探索,在Dafny编程验证任务上显著超越现有方法,为AI自主学习开辟新道路。