qlib使用教程

大家好，今天给大家分享一个 ai 量化研究的仓库，叫 qlab， 它是微软官方出品的，在 github 上拿了四点二万个 star 啊。开始之前我强调一下，本内容仅为技术研究分享，不构成任何抄袭建议。 我在 github 上翻遍了所有的量化研究仓库之后，发现 qlab 是 排名第一的啊。其他的仓库标过，包括这个 zip， line， 还有嗯， back trader， 这些都已经不更新了。然后 vnpy 呢，也是呃，标签很高，但它是做 cta 实盘系统的。 然后在量化研究的整体框架下面分为五个模块啊，是数据引擎，因子计算，然后模型预测 啊，策略的决策以及回测的分析。这五个模块呢？ qlab 它啊，分别的作用我给大家说一下。首先是数据的引擎啊，微软自研了一套这个数据的格式，它比传统的 mysql 快 五十倍，所以大家在回测的时候，测试的时候就会非常的快 啊，但是有个小的缺陷，就是它的数数据源比较老啊，大一的我们需要找第三方的最新的数数据进行接入。 第二个是因子的计算， qlip 提供了呃，一百五十八个 alpha 因子和三百六十个 alpha 的 因子，它是两套的因子，一百五十八呢，是那种计算过的，就比如说 pe 这种。然后三百 alpha， 三三六零呢，是那些价格啊，这些原始的一些数据的因子 啊。第三个是模型的预测， qlip， 它提供了二十七个内置的模型啊，包括 light， g， b， n， l， s， t， m 这些， 我们到时候选一个预测就行了。呃， light gbm 用的是比较多的，然后策略的决策就 qlab 的， 它会根据这个模型进行一个打分的排名，然后呃打得分比较高的就排在前面，我们就按照这个排名进行决策就 ok 了。然后最后一个是回测的分析，它会自动生成报告。 呃，量化因子我也简单说一下，就是分为公开的因子跟自研的因子。呃，自研的因子就是我们所熟知的量化的机构，它的一些核心的因子是不会分享出来的，是它们核心赚米的壁垒 啊。公开的因子就是颗粒开箱就可以拿到的，这个阿尔法幺一百五十八，还有阿尔法三百六十，就刚跟大家介绍了这两，这这些因子都是它里面自带的啊，可以用来给大家做一些基本的测试。而自研因子就是我们呃打开这个仓库进行研究探索的目的就研究出自己的一些因子。 呃，量化模型呢？ qlab 里面配了二十七个。呃，这四个，四种类型我就不不一一去念了，大家可以看一下。然后主流的会选择这个 light gbm， 这是百分之九十的场景都会用到的。它是一个问答决策流，就把一百假设，把一百五十八个因子呃逐个进行一个提问，然后一层层的筛选，最终给每个标题进行打 分。当然 qlab 它有明显的弱点，就是它的门槛比较高，需要同时懂 ml 还有量化研究 啊，不能实盘。然后呢，它只能做洁面的排名，然后它的这个抽象层也太多了。呃，这正是我们 cloud code 能够切进来的位置，就是它能够驾驭这些。当然，呃，除了这个实盘要找其他库啊，其他的这些层面就是 cloud code 都能啊，帮我们来驾驭 啊，怎么帮到我们呢？第一他能读懂这个代码库，包括这个因子的含义，就是你不知道这因子什么含义，你当然可以去呃，跟 code code 去探讨，还包括那些我刚解释介绍的二十七个模型，都可以一个个去探索啊。第二个是配置的文件， 呃， crosscode 的 可以直接去配置这个仓库进行换模型啊，调参，然后数据机啊这些进行这个操作。第三个是部署排错，排错这个是 ai 基本功能嘛，它都能搞定了啊， c c 完全没有问题。第四个是数据格式，就把第三方的数据的 c、 e、 s、 b 转换成至 q lib 的 二进置格式，上把上下游给打通。 总结来说就是数据我们需要再找一个靠谱的数据员去把大爷的数据导进去，然后流水线交给 qlab， 然后我们这辆赛车的副驾驶就交给了 cloud code， 然后真正的这个主驾驶还是留给自己， 这是一个从实战到出结果的过程，就是环境的搭建啊，我们用 cloud code 去把这个库导入之后就可以搭建了。然后数据的导入就是我们要给我们的 cloud code 的 一个一些数据员，让他去把 c、 s、 b 的 数据抓下来，我，我大概把二十年的数据都抓下来了，就是二十年五千个标地 的 k 线，日 k 线都可以拔下，大概一点四个 g。 然后第三个就是配置的生成，就 carl code 可以 就帮我帮我们写这个 y、 a、 m、 l 这些配置模型跑的文件，让这个 q、 l 去跑，选什么因子，选什么模型，然后什么策略去跑，这个包错修复就不说了。这个， 呃，然后他能达到的作用就是我不懂电话的人，他能用 carl code 当副驾驶，一个下午其实就能跑通完整的流程。 这是我一个回测的结果，就给大家简单展示一下，我测的是全 a 所所有的五千个标的，然后训练，呃，选择的因子是阿尔法幺五八，然后训练级是这个，然后验证级是这个区间，然后测试级是，呃，去年一月份到现在， 结果是 ic 是 零点零四一，然后 icr 是 零点四六七，这个策略的收益，这个收收益的百分比是这个 四十六点二，还是比较高的啊。但是这只是一个回测的结果啊，最终的这个结果肯定是要不急这个这个预期的啊，基本是十五点六，最近行情比较好，所以这个测试的结果也会比较好。 公开因子的局限呢，就是我们刚才回测的，我测的这个是四十六，这，这百分比啊，那其实你要打很大的折扣的才是实盘的预期，不能把那个当成一个预期。然后公开因子呢，他是用的人比较多，所以非常拥挤，超额的这个收益早就早就消失了，而因子呢，他本身用的多，也会消减的， 所以这个阿尔法一百五十八呢，它其实更像一个驾校的教练车，而不是赛车。我们就是要用这种 ai 量化的研究模型去找出自己的这个因子，跟之前的公开的因子结合起来啊，改造成把你的教练车改造成一个一辆赛车， 然后这个仓库的全称就是这个啊。好了，以上分享就到这里了，然后本内容仅为技术研究分享，不构成任何操作建议，欢迎大家点赞、关注跟评论。

今天想介绍一个挺硬核的开源项目，叫 clip， 它不是普通的炒股小工具，而是微软开源的一套 ai 量化投资平台。想解决的是量化研究里最麻烦的一件事，从想法验证到模型训练，再到回测和策略执行，能不能放进同一套工作流里。 很多人看量化项目，第一反应都是预测涨跌，但 clip 更像一个完整底座，它把数据处理、特征构建、模型训练、回测分析这些环节都串起来了。所以你不用每做一步就换一套脚本，换一套框架。 它比较强的一点是，支持的建模方式不止一种。你可以用监督学习去找市场里的非限性规律，也可以做市场动态建模，甚至把强化学习放进连续决策场景里。对做研究的人来说，这种统一框架会省很多试错成本。 再往下看， clive 讲的不只是模型分数，而是整条量化链路。它覆盖了 alpha， 挖掘风险、建模组合、优化订单执行。意思就是不是只训练一个模型给你看结果，而是尽量往真实研究和真实交易流程去靠。 它的框架设计也比较工程化，组建之间是松藕合的。数据层、学习框架、策略层、执行层、分析层，可以拆开单用，也能拼成完整闭环。你如果已经有自己的因子库或者策略模块，也不一定非得全部重来。 而且它不是只停在论文或者示意图仓库里，一直在扩能力，像研究工作流、模型叠代、强化学习框架这些方向都在往前推。 你看到的这些图和动图，本质上都在说明一件事， click 更像一个可持续引进的研究平台不是一次性的 demo， 所以 如果你关注量化金融机器学习，或者你本身就在做研究平台搭建，我会觉得 click 很 值得认真看一遍。 它真正有价值的地方，不是帮你一句话赚到钱，而是把量化研究里零散又重复的工程环节尽量收进一个更完整更可复用的系统里。

今天介绍一下呃，关于把自己的个人数据然后导入到 q 力补的这个过程啊。因为，呃，我们也知道雅虎的，雅虎台阶的数据实际上啊，质量并不是很高嘛，所以我们找一些方法，然后看一下如何去解决。 那我最近呢也调研了一些，呃呃，一些客户端吧，或者一些财经的一些服务，包括像万德 iphone 的 toys， 还有啊佛台啊啊，这这这一些的数据员， 对于个人投资者来讲啊，找到一个便宜又好用的一一种方案，可能是比较好的，一个 个一个前提吧。所以说，呃也调研了一下那 iphone 的，呃，那万德的话，因为价格比较高，另外呢，他只是开放给那个机构投资者，所以这个基本上 就啊考虑了。另外呢，像那个东方财富啊，里面他会有一个 choice， choice 的话，我在某宝上也买了一下 一个月的权限，发现他导出股票的数据的时候啊，最多只能导出三百只股票，那总共有四五千只股票，你要导全部导出的话也非常费劲啊。 iphone 的话，那么也不太容易 啊，也需要呃支付相当多的，呃也也也，这个这个这个这个账号也不太容易拿到， 所以我最后就在某宝上买了一个佛泰安的账号，佛泰安的账号的话，呃把这个所有的数据 啊都导出来了。从一九，我是从一九九一年一月一号啊，我导到了八月十四号，那么他的数据总共有四个 g 啊，那么如果说啊，感兴趣的同学如果想要的话，可以一键三连 我我呃，然后私聊我我我给大家啊，我已经把它传到那个云盘上去了，那么总共是四个 g 的数据，但是这个国泰安的数据呢，实际上并不是。呃，跟呃 q 力股那 这么完整的契合，我们也看一下啊，就是他整个的数据格式呢，是呃， 这有些差异的。首先第一点呢就是它的它的这些数据呢，呃， 只有那个呃开盘价，最高价、最低价啊，然后那个收盘价还有交易量， 那实际上是没有负全因子的，就是在导出的时候他是没有负全因子的，那负全因子呢？他是把它作为一个独立的一个 一个数据把它放进来，对，所以这个时候你就可能就需要做一些，呃，对，这个是，呃这个是负弦因子。另外呢它的指数像那个呃日历本，它是做，呃用那个 csr 三百、固山三百是作为那个 基准吗？ smart， 所以它呢也是独立出来的一个一个数据，所以就意味着它我们需要把这三个数据合起来一个呢，就是啊负全的数据， 不全的数据呢，他大家也能看到他，是啊有交易日期，然后包括股票还有那个前付权的因子，后付权的因子还有累积的这个付权因子， 累计的前付权和累计的后付权啊，那我们也知道我们用的是后付权吗？因为后付权的话是那个力度或者是做回测是是需要支持的，所以我们就需要把它合到那个 要到信息里面去，这是第一点。第二点呢就是这个指数的数据，就是三百啊，这种啊指数数据呢，也要把它合进去，但是他的这个整个的 这个呃字段的名称啊，啊可能跟这个股票的价格实际上并不是完完全对齐的，这个里面可能也会有一些差异， 那么我们基于这些情况呢去看一下，就是首先我们啊先导入，对吧？先先用炮，对吧？用炮 啊。另外那我们第一个呢就是把股票的所有的 c、 i、 d、 v 的数据全读进去，这个我们就稍微写一些脚本，对吧？用那个 type 把它链接起来啊， 差不多，因为他应该有三个多 g 的数据嘛，那么应该是需要四十多秒的时间，那我们就可以看一下啊，啊，把这个数据导进去了之后呢 啊，同时呢我们也把啊这个，呃那个负悬因子也把它导进来，是吧？这是我之前导进来的，大家可以看一下。 呃，那么同时呢，我们需要把这个股票的价格和因子把它合起来，合起来的话，因为因子的话它只有因子发生变化的事那一天才会有因子的那个 数据，所以所以这个时候呢，我们就需要啊去填充啊，去填充，我们是拿交易日期和那个他的代码相同的 情况下，然后如果说啊中间有 not 的，那我们就把它一样，大概是这样，我我感觉应该没什么错误啊，那么比如说这种负全因子就可以啊， 那么做完这一点的之后呢，我们我们看一下他的数据，就会把这个对应的数据呢，同时把后面的因子，然后都放进来了， 然后因为，呃整个的，呃整个的那个 qd 部，它在那个股票代码的前面都加上一个 s h 和 s z， 所以我们啊 为了跟这保持一致啊，我也把它加进来了，我就要执行一下这一个函数，就是也，嗯，一些那个数字在前面的就是六零啊，九百啊，用那个 s， 零零啊，二零零三六零，用 s， 对，嗯，对吧？这种是，当然我们也有 有一个叫啊零零三零零零零三零零的护身指数，那一个是还可以，是这个我们会有一些特殊的交代啊， ok， 他执行完了之后，我们去啊过了一下 hide， 对吧？ 哦，就把那个 s z 和 s h 给加起来，加完了之后呢，我们因为它的字段呢，跟 clevel 的字段也不一样，所以我们需要把原先的那个字段名称改成新的字段名称， 那么那么这个里面，比如说这种后付钱因子，我们就叫 factor， 那最后呢我们就可能导出来啊，是是这样一个数据日期， 那种开盘价最高最低交易量 factor change， 然后我们把那个指数 把它放进来，这是指数，包括零零三零零这种指数，也把这样的字段把它对齐，因为指数的话我们也要把它加上 sssd， 那么把它合起来，然后做了一个墨纸，对吧？ 设置的话，那么这里面是那的，我就都是默认为零，默认零的话我们就看一下 其中啊合起来，合起来了完成之后呢，我们就会把因子啊，然后放进去， 是这样一个，那这样你会发现有一些 factor 他就变成零了，那在这个地方我们需要把它重新替换一下，因为因此你是零，他就没有。那这个时候我们就要这些工作做完了之后呢，我们就把那个数据， 然后啊以的 q 力补的一个股票，一个文件夹的形式 拆出来，所以我就在这个这个里面把它拆出来，那因为我之前已经跑完了，大概是这个样子。对，每一只股票可能就是是这么一个模式。 那这样的话执行完了之后呢？我们再执行他的那个脚本，就是 heaven the script 的那个脚本，然后把它对齐就好了。 这里面叫 gta， 就是国家的前前，前面的拼音我没有跟那个雅虎的混在一起啊，就是后面可能需要多一些个性化的配置。那特别注意的一些一些地方，就是比如说迪塔这个可以不填，因为它本身就是我已经把它调了啊，包括呢写字段，这个字段的 顺序不能不能变啊？你如果变了的话，你实际上是很多数据你是看不到的。上面这一些呢，实际上就是我们作为通过呃个人数据，然后去转换成 qd 数据的这么一个过程，今天就这样，谢谢。

最近一直在找一些跟量化相关的平台啊，发现一个明星项目，大家也可以点赞收藏起来啊。这个平台呢，是面向人工智能的一个量化投资平台，它用人工智能技术来赋能量化的一个研究啊，它的主要就是帮助量化研究从业者呢，从探索想法无缝过渡到生产的落地。 一个微软开源的一个 ai 导向的一个优化投资平台，它不仅仅是一个工具库，更是一个完整的平台。它的核心在于 ai 导向，支持从监督学习到强化学习的多种方式。它的目标非常明确，就是消除优化研究中的工程壁垒，让 让研究人员可以专注于策略本身，实现从灵感到实盘的无缝的一个衔接。 qlab 的 功能模块是非常清晰的啊，数据层解决了脏位差的数据清洗与管理问题。工作流呢，则通过 qran 实现了真正的一键跑通。 模型层内置了大量的这种搜塔的、金融的 ai 的 模型，开箱即用，而在线服务层则为实盘部署提供必要的接工具，支持外部有标准的研究。工作流是一个从数据到收益的一个闭环，它也支持多种先进的 ai 范式， 它具备松藕和可扩展的工程框架，特别是支持复杂的多层级侧位的一个嵌套。除了开源和 ai 导向这些传统优势以外呢，我特别想强调的是一个，呃， 新推出的 rda 智能，这是一个基于大语言模型的自动化代理，能够自动化进行因子的挖掘和模型的优化。这意味着 qlab 不 仅仅是一个工具，而且它现在还能主动帮你干活，极大的提升了研发效率。嗯，如果你对 ai 电话感兴趣， qlab 是 一个很好的一个起点，这里边有完善的文档和丰富的视例， 感兴趣的朋友可以在评论区留言关注 ai 探长，优质前沿学习资源不错过。

大家好，今天给大家录一个关于量化研究的仓库啊，它叫 qlab， 在 github 上已经拿了四点一万颗星，然后它在整个 github 上在量化研究这方面是排名第一的。 呃，它有两个比较大的特征啊，就是优势，就是第一是开箱即用的因子级，它有一百五十八个 这个量价，然后三百六十个时序的原始特征啊。第二个呢是它的自研的二进制的数据引擎，它总体读取的数据能比这个 pandas 读 csp 要快十倍，所以这个在量化研究方面还是比较重要的。 然后它本身也是这个微软官方出品的，然后 clip 到底能做什么？就是它从，呃，简单来说就是它有因子因子级因子库啊，有这么多个，然后你可以根据你自己的一些特征去挑选这些因子，一百五十八个量价， 呃指标，三百六十个持续特征，然后再把这些因子喂给模型去训练，预测哪个，呃因子的收益率会更高。然后第三个就是历史的回测，就用二十年的数据进行回测， 然后第四个呢，就是这个输出整体的一个报告，下一页就是为什么是 qlab 上其他的一些量化的模型啊？这个 这个已经停更了四年了，然后这个也是个半死半死不活的，然后这个是 v n p y， 这是可能是你大家下一步的选择啊，因为它其实是没有这个 api 接口的，就不能去直接去做那个啊交易，然后这个这个 v n p y 是 可以的。 然后 qlab 是 一直在持续的更新，而且所以它现在是整个量化，就个人做量化的话，就是它可能是比较好的一个选择 啊，但是它有明显的弱点啊，就是它的门槛比较高一些，就是需要懂一些量化的研究啊，包括要懂 ml， 然后它不能这个实盘没有这个 api 的 对接啊。第三是只能做洁面的标的，不适合 cta 啊。第四是这个文档太多了， 确实确实挺抽象的，所以呢，我们就可以结合 cloud code 进来，因为 cloud code 确实真的挺好用的。 嗯，你从十从零倒出，结果呢？它其实是这样的，就就是这样， cloud code 去把这个仓库给荡下来之后，然后让它去按环境来搭建，然后 cloud code 就 能解决这个 python 版本的冲突啊，依赖链的安装以及这个系统的兼容问题。 数据的采集呢，就是可以通过就是这几个库，就昨天我分享呃，前上一期分享这个 a k share， 然后还有这个艾文才，艾文才也是一个有 skill 的， 这个大家去搜就能搜到了，就能去提取这些啊，标题的数据就全年啊，二十年的， 这这数据可以提下来，然后模式的回测，这个这个我测完了，就是我不做这这方面本身啊，但是我做了一下研究，就是我跑，我也跑了一下， 就他你定义一个这个规则，然后去让他去挑选筛选，哎，是个是可以做成的，比如说啊，今天就是有个之前有个很有名的这个玩家叫北京炒家嘛，你就以他的这个打法来测一下，哎，这个收益到底行不行，但这个传统的打法，那肯定是 就是已经被淘汰了。可能啊，我也不太懂，但你们可以去测，按照你的想法去测，然后就是，然后第四个是条件的迭代，不停的迭代，不停的去更新你的模型，这个不行，你可以换 啊，下一个或者缩减范围，比如说市值就是一个范围，就是你可能觉得觉得机构已经把这个呃量化给跑了，跑烂了你可能打不过，但机构有些标的他是不怎么接入的，就比如说可能三五十亿以下的，他是小目标以下的，他是不接入的。 然后最后总结一下，就克隆，克隆怎么帮你？就他能读懂这个代码库，然后呢？能配置这个文件代写。 然后第三是数据格式的转换，因为 excel， excel 啊，包括这个 iphone 才拿的数据，它是呃不能不能直接用的，它要转换成 qlab 的 二阶制的格式，你转完之后你就有个 qlab 的 整体的数据库了。然后第四个就是跑通你的实验， 总体来总结来说就是数据交给 a、 k、 c 或者艾文才，然后流水线交给 q 列，然后副驾交给 cloud code， 判断留给你自己。然后方向啊，怎么定也是你自己定的，你再交给你的啊， cloud code 副驾就行了。 然后最后我再强调一下，以上是开源数据与 ai 编程的演示啊，不构成任何投资建议。好，谢谢大家。

大家好，今天我要给大家介绍一个能让散户投资者战斗力飙升的神器 qlib。 qlab 是 我见过最接近机构内部框架的开源工具，它就像是把机构花几百万打造的重型武器，改造成了我们散户也能轻松上手的便携装备。 qlab 这个由微软亚洲研究院在二零二零年开源的 ai 量化平台，让我们第一次拥有了和机构类似的研究工具。 它完全免费开源，可以在本地运行，不需要依赖云端支持从多因子模型到深度学习的各种策略，还内置了完整的回测系统和风险分析模块儿。 最让我惊艳的是 qlab 的 全流程流水线设计，从 a 股美股数据的自动下载和清洗，到因子构建、模型训练，再到回测验证，整个过程只需要一个简单的 q run 命令就能搞定。 更贴心的是，他连数据源都帮我们准备好了，连 yahoo finance 的 美股数据都能直接获取。还有现成的模板代码可以直接使用，新手也能快速上手。下一期，我会带大家从零开始，用 qlab 构建一套完整的量化策略体系。 相信我，当你真正用上这个工具后，你会发现做量化投资其实比你想象的要简单得多。

这是一套本地 ai 量化研究系统，把行情数据、模型、训练策略、回测和研究报告串成一条完整流程。在传统量化研究里，数据口径，因此工程模型实验和回测报告经常分散，结果难复现，也难持续迭代。 我们用 squint 获取沪深 a 股日线数据，清洗后转换为 clive 本地数据目录，再用 elf 幺五八生成量价特征。模型层使用 lgbm 训练股票预测信号，并通过 clive 回测框架评估策略收益、精准、收益回撤和信息频率。 后续系统会继续走向每日信号模拟、实盘风控检查和 squint 交易接口。 lolm 负责自动生成中文研究报告。

这盘子好温柔呀，先看整体颜值，这个图案真精致，这个细节越看越美，中间插画好可爱，摆拍特别出片，喜欢别错过哦。今天我们来说这个导演台工作流，这些素材都是瓜种的素材，现在我们开始打印这个工作流， 先要个空白的工作流，双击空白处输入 u n t， 这有个是 g g u f 加载器， 这个 g g v f 加载器它是占用显存比较少，如果你显存是八 g， 你 就可以使用 g g v f， 如果你是四零系、五零系八 g 以上的显存，就可以使用这个 uni 克加载器，因为它这个量化版模型它有加速，用 uni 克加载器拍好的视频会比 g g v f 快 一点。在双击空白处输入双 选择这个双重颗粒普加载器，它的名字也是 g g v f， 所以 说这两个是配套的。再输入双颗粒普， 这两个是配套的。 usb 夹带器跟这个双颗粒为夹带器是一样的。我们选择加了这个模型，加了这个模型，两个模型选择是一样的。在类型这里选择 lts， 可以 框选它，标记一下， 一个 g g v f， 在 加载器的下方，这里输入 ve 加载，选择 k z 的 节点粘贴复制一份，它有两个 ve 加载，这个是音频，这个是视频，在这里双击空白处输入加载 latin l a t e n t 加载这个放大模型，那么我们的模型接点就加载完成。这个是 g g v f， 这个是音频 v a e， 这个是视频 v a e， 这个是量化模型 v a e， 这个放大模型是提升画质的。在加载器这里有个模型， 模型点击它，你这里能加载洛拉，比如这个洛拉也能加载 这个洛拉，群众洛拉，两个洛拉他加载的洛拉是没有区别的，但是呢，下面这个群众洛拉，他可以一次性加载几个洛拉，上面这里只能加载一个洛拉， 所以说你要加载两个洛拉的话，你复制一份洛拉之间连接就好了。我们可以准备两个洛拉模型，第一个洛拉模型，这个能保持你的视频一致性， 这个洛拉模型就是你照片和照片之间，它会衔接的更顺畅。把任意的节点连接洛拉节点，这洛拉节点有个模型， 可以输入 s a、 g、 e 这个注意力补丁模式，在这里我们会选择自动，这个是加速节点，能加快你的工作流的运行速度。补丁这里有个模型，拖出来，输入 l t s 视频，选择键快运行。如果你是八 g 显存，这里就提示 这里填二零四八，如果你是十二 g 显存，这填二 a， 这填四零九六，如果十六 g 显存以上的话，这个就屏蔽掉，都可以不用。如果你没有这个注意力加速模式的话，你可以屏蔽掉这三个节点，如果不需要的话都可以屏蔽掉。在方块激活这里模型，这里输入 l t s， 选择这个 l t s， 采用预览覆盖，下面这个八是帧率，就是你这个数率，你这个数率越高，你的清晰度就越高。我们在预览覆盖这里有个模型，点击它，这里输入 l、 t、 s d i a e， 这个就是导演台。如果你没有这个节点，你搜索这个名字，在管理器这里， 在这个对话框输入这个插件的名字，你就可以安装这个插件，输下这个节点，第一个是帧数，第二个是时间， 第三个是帧率，第四个是视频的宽度，第五个视频的高度，这个节点时间是五秒，帧率是二十四，就是一秒钟有二十四张照片，正常，这里填二十四，三十六十都可以。我们可以看到太阳月亮这里有个放大模型， 它下面有个 ve， 我 们就可以把这个放大模型的 ve 去连接，这样相连就好了。 这个导引台有个 clip， ve 控件都不需要连接，导引台可以连接一个音频的 ve， 把 ve 连接上，还有 clip， clip 可以 直接连接，但是呢，你怕生成的视频它会崩坏多手指或者出现字幕，你就可以把这个 clip 这里输入 clip， 找到 ctrl net 䁯 文本编码器 ctrl net 选择这个之后，再把这个䁯 连接上 某宝打云台的条件连接上，这里就能输入负面条件， 我们在条件这里拖出来，输入 l t s。 二选这个注意力领导，这个是强化负面条件的。还在连接上，在导演台这里点击这个条件，这里输入 l t s 条件， 选择这个条件设置，把这个负面条件连接上，会引导这里有个模型，导引台的模型连接上，然后条件设置这里有个帧率，把导引台的帧率连接上，在条件设置这里有个帧下条件拖出来，输入 l t s e i r e。 选这个，我们把负面条件连接上，它有个 ve， 这个 ve 连接视频的 ve， 这个是视频， ve 连接上，它有两个节点，这个是 lin 节点，这是导演脚本节点，我们的 ve 连接了视频，所以说这里 lin 连接视频， 这导演脚本节点，他的名字是一样的，连接上这两个，一个是权重，第二个是放大照片的时候采用的放大算法。我们学的第四个权重系数就是 ai 的 自由度一，就是没有自由越小，他的自由就越大。这个 later 拖出来 l， t， s， v 合并，选择合并为视频，他有个音频内存，我们把导引结点音频内存连接到合并视频这里合并视频，这里有一个内存，拖出来，输入自定义，选择这个自定义采样器高级这个新一个码，拖出来，输入基础，选择基础调度器， 我们的步数一般选择八步，降到幅度，选择一就好了。第二个 t 选择这个，点击这个采暖器，选择 k 采暖器，选择保持默认就行了。点击引导值，输入 cfg， 选择这个 cfg 引导还有一个正面条件，一个负面条件，把这个正面条件和负面条件连接上采暖器，这里还有个灶波，选择这个随机灶波， 选择固定，随便填一个字。 cf 居址有个模型技术调度器，这里也有个模型 技术调度器的模型要连接到烟台，到烟台的模型连接上 cf 居址，它是文本， 所以他的模型要连接文本。这里传感器，这里有个输出，拖出来 lts 音频，选择音频视频分离这个分离，点击它的画面，再输入 lts， 一 引导， 选这个引导裁剪，它有个正面条件，一个负面条件，它是连接导演脚本的正面条件和负面条件。裁剪，这里有个潜在空间，再输入 lps， l， a， p， e， 选择这个超分裁样， 它一个超分模型，一个 ve 超分模型是放大模型，它的视频裁样，所以说我们连视频 ve， 把视频 ve 连接上，把这个放大模型连接上超分裁样，这有个雷腾凸出来是 l t s d 点这个导演脚本，这有个正面条件，负面条件把这个场景引导了正面条件，负面条件连接上，它是个视频节点 v e 就 连接视频，这个脚本就连接导演台， 把导云台连接上视频 v a e 连接上后面的连线，跟前面的直引彩样器是差不多的，我们把这里粘贴复制，把这个连线连接上， 合并视频，这里有个音频，把前面的音频分离，连接上第二个采音器，这里不需要噪波给它删除 c f 居直，选择一把前面那个噪波生成，连接到后面这个自定义采音器这里 这个 cf 矩阵的引导模型去连接导引台的模型，导引台模型连接到 cf 矩阵上第二个的自定义裁剪器，引导裁剪它正面条件封面条件去连接第一个的导引脚本， 连接第一个的导引脚本。音频分别在这里有个音频内存拖出来，输入 lts 一 音频， 选择这个音频 vae 解码器，它这有音频 vae 连接这个音频 vae， 在 菜园这里有个倩空间，这里输入 vae 解码， 选这个 ve 睫毛分块，我们在 ve 睫毛分块这里时间尺寸这里输入最大值，点击图像，输入创建，选择创建视频，点击视频，点击保存视频，再输入名字， 点击格式这个 ve， 它是视频 ve， 把视频 ve 连接上，创建视频，这里还有一个音频，把前面的 ve 音频连接上， 他有一个帧率去连接导演台的帧率，把导演台的帧率连接上，那么我们这个工作流就打点完成。现在操作这个工作流要添加照片文本音频，我添加照片，选择好你要添加的照片， 可以一次性添加完毕。如果你的视频是没有音频的，就把这个真定音频关闭，这是打开，这是关闭，如果你音频的话就给他打开，不然的话你现在视频他是没有声音的。然后把这些照片按秒数去区分， 你想哪个镜头占多少秒，给他区分多少秒，可以拖动的。这里你可以把这些照片自行编排位置，比如想放在这里，放这里都可以。 编排好照片之后就添加体字词，这是瓜种的素材，我就直接用了。把这些体字词按照镜头的分类，比如这个镜头用这个体字词 就在下面输入这个提示词，不要把所有的提示词都输入到一张照片里，分批量输入第二个箭头就输入这个，如果你运行报错， 就把这个注意力模式给关闭，如果在运行的时候显存报了，可能是这个原因，把这个调低一点，然后我们点击运行。

大家好，今天给大家分享一个 ai 量化研究的仓库叫 qlip， 它是微软官方出品的，在 github 上拿了四点二万个 star 啊。开始之前我强调一下，本内容仅为技术研究分享，不构成任何抄袭建议。 我在 github 上翻遍了所有的量化研究仓库之后，发现 qlab 是 排名第一的啊，其他的仓库包括包括这个 zipline， 还有嗯， back trader 这些都已经不更新了。然后 vnpy 呢，也是呃，标签很高，但它是做 cta 实盘系统的。 然后在量化研究的整体框架下面分为五个模块啊，是数据引擎，因子计算，然后模型预测 啊，策略的决策以及回测的分析。这五个模块呢？ qlab 它啊分别的作用我给大家说一下。首先是数据的引擎啊，微软自研了一套这个数据的格式，它比传统的 mysql 快 五十倍，所以大家在回测的时候，测试的时候就会非常的快 啊，但是有个小的缺陷，就是它的数数据源比较老啊，大一的我们需要找第三方的最新的数数据进行接入。 第二个是因子的计算， qlab 提供了呃，一百五十八个 alpha 因子和三百六十个 alpha 的 因子，它是两套的因子，一百五十八呢，是那种计算过的，就比如说 pe 这种。然后三百 alpha， 三三六零呢，是那些价格啊，这些原始的一些数据的因子 啊。第三个是模型的预测， qlab 它提供了二十七个内置的模型啊，包括 light， gbn 啊， lstm 这些， 我们到时候选一个预测就行了。呃， light gbm 用的是比较多的。然后策略的决策就 qlab 的， 它会根据这个模型进行一个打分的排名，然后呃打得分比较高的就排在前面，我们就按照这个排名进行决策就 ok 了。然后最后一个是回测的分析，它会自动生成报告。 呃，量化因子我也简单说一下，就是分为公开的因子跟自研的因子。呃，自研的因子就是我们所熟知的量化的机构，它的一些核心的因子是不会分享出来的，是它们核心赚米的壁垒。 公开的因子就是颗粒开箱就可以拿到的，这个阿尔法幺一百五十八，还有阿尔法三百六十，就刚跟大家介绍了这两，这这些因子都是它里面自带的啊，可以用来给大家做一些基本的测试。而自研因子就是我们呃打开这个仓库进行研究探索的目的就研究出自己的一些因子。 呃，量化模型呢？ qlab 里面配了二十七个。呃，这四个，四种类型我就不不一一去念了，大家可以看一下。然后主流的会选择这个 like gbm， 这是百分之九十的场景都会用到的，它是一个问答决策流，就把一百假设，把一百五十八个因子啊，逐个进行一个提问，然后一层层的筛选，最终给每个标题进行打分。 当然 qlab 它有明显的弱点，就是它的门槛比较高，需要同时懂 ml 还有量化研究 啊，不能实盘。然后呢，它只能做洁面的排名，然后它的这个抽象层也太多了。呃，这正是我们 cloud code 能够切进来的位置，就是它能够驾驭这些。当然除了这个实盘要找其他库啊，其他的这些层面就是 cloud code 都能啊，帮我们来驾驭 啊，怎么帮到我们呢？第一他能读懂这个代码库，包括这个因子的含义，就是你不知道这因子什么含义，你当然可以去呃，跟 cloud code 去探讨，包括那些我刚解释介绍的二十七个模型， 都可以一个个去探索啊。第二个是配置的文件啊， crosscode 的 可以直接去配置这个仓库进行换模型啊，调测，然后数据集啊这些进行这个操作啊。第三个是部 署排错，排错这个是 ai 基本功能嘛，它都能搞定了啊， c c 完全没有问题。第四个是数据格式，就把第三方的数据的 c， e， s、 b 转换成 q lib 的 二进置格式，上把上下游给打通。 总结来说就是数据我们需要再找一个靠谱的数据员去把大爷的数据导进去，然后流水线交给 qlab， 然后我们这辆赛车的副驾驶就交给了 cloud code， 然后真正的这个主驾驶还是留给自己， 这是一个从实战到出结果的过程，就是环境的搭建啊，我们用 cloud code 去把这个库导入之后就可以搭建了。然后数据的导入就是我们要给我们的 cloud code 的 一个一些数据员，让他去把 c s b 的 数据抓下来，我，我大概把二十年的数据都抓下来了，就是二十年五千个标的， 呃， k 线、日 k 线都可以拔下，大概一点四个 g。 然后第三个就是配置的生成，就 carl code， 可以 就帮我帮我们写这个 y、 a、 m、 l 这些配置模型跑的文件，让这个 q、 l 去跑，选什么因子选什么模型，然后什么策略去跑，这个包错修复就不说了，这个， 呃，然后他能达到的作用就是我不懂电话的人，他能用 carl code 当副驾驶，一个下午其实就能跑通完整的流程 啊。这是我一个回测的结果，就给大家简单展示一下，我测的是全员所所有的五千个标地，然后训练，呃，选择的因子是阿尔法幺五八，然后训练集是这个，然后验证集是这个区间，然后测试集是，呃呃，去年一月份到现在 啊，结果是 ic 是 零点零四一，然后 icr 是 零点四六七这个策略的收益，这个收收益的百分比是这个四十六点二，还是比较高的啊。但是这只是一个回测的结果啊，最终的这个结果肯定是要 不急这个这个预期的啊，基本是十五点六，最近行情比较好，所以这个测试的结果也会比较好。 公开因子的局限呢，就是我们刚才回测的，我测的这个是四十六左右百分比啊，那其实你要打很大的折扣的才是实盘的预期，不能把那个当成一个预期。然后公开因子呢，他是用的人比较多，所以非常拥挤，超额的这个收益早就早就消失了，而因子呢，他本身用的多，也会消减的， 所以这个阿尔法一百五十八呢，它其实更像一个驾校的教练车，而不是赛车。我们就是要用这种 ai 量化的研究模型去找出自己的这个因子，跟之前的公开的因子结合起来啊，改造成把你的教练车改造成一个一辆赛车， 然后这个仓库的全称就是这个啊。好了，以上分享就到这里了，然后本内容仅为技术研究分享，不构成任何操作建议，欢迎大家点赞、关注跟评论。

哈喽，大家好，今天呢，咱们来聊一个特别酷的话题，量化交易，简单来说就是怎么用代码和数据在金融市场里淘金。说起量化交易，很多人脑子里都会冒出这么一句话，对吧？一个人只要策略对了，就能干翻一个团队。哇，这听起来真的太有吸引力了，充满了那种个人英雄主义的色彩。 咱们今天的故事就从这个听起来有点像神话的梦想开始。好，那咱们今天这趟探索之旅怎么走呢？路线都很简单啊，咱们先搞清楚量化交易到底是个啥，然后呢，拆解一下它的四大核心步骤，之后带大家逛逛武器库，看看有哪些工具可以用， 再聊聊现在最火的 ai 能怎么帮忙。最后，当然了，会给你指几条路，告诉你从哪可以开始你自己的探索。好，那我们就正式开始第一站，量化交易，它到底是什么呢？咱们先来看最核心的定义， 你看，定义其实很简单，说白了就是把人的情绪、直觉这些不靠谱的东西从交易里踢出去，让电脑用冷冰冰的数据和定好的策略，去替我们做那些需要绝对理性的决策。 好了解了定义，我们再来看一个特别有意思的事，就是啊，不管你看到一个量化系统搞得多么天花乱坠，多么复杂，你把它扒开看，核心其实都是一样的， 他都离不开下面这四个核心任务，可以说就是一套通用的蓝图。没错，就是这四步，你想想，这其实特别像开一个工厂。第一步，数据获取，这就是你的原材料，没有数据啥也干不了。第二步，策略开发，这就是你的生产配方。 第三步，策略回测，这就像在实验室里做小规模测试，看看这个配方行不行。最后一步，实盘交易才是真正的上线生产，用真金白银去市场上拼了， 好蓝图我们有了，那接下来就该选工具了，对吧？这就好比我们进入了一个武器库，你会发现这里的武器五花八门，但选哪一件完全看你是什么样的玩家。 基本上啊，摆在你面前的就两条路，一条是程序员之路，另一条是策略师之路。如果你会写代码，那你就可以像个工程师一样，从零开始，用各种组建和框架，搭一个完全属于你自己的独一无二的教育系统， 自由度最高。那如果你说，哎呀，我一行代码都不想写，那也没问题，你可以走策略师的路，用别人开发好的软件和平台，你只需要专注于想策略策策略，把你的聪明材质都用在这上面。 这张表总结的特别好，你看，咱们继续用造车的比喻啊，组件就像是各种零件，比如台儿、方向盘，框架呢，就是已经帮你组装好的引擎和底盘，核心部分有了，但车身还得你自己造。 软件就是一辆整车买回来直接开，但改造空间不大。那平台呢？平台就更方便了，它就像是租车服务，你连车都不用买，打开网页选一辆开头就行，非常适合新手上路。 咱们具体看看程序员的工具箱啊，这里面可都是宝贝。比如说你想拿美股数据，用 y finance 这个库，就几行代码的事，几十年的数据就到手了。 如果你觉得一个一个零件儿的凑太麻烦，那就可以用框架，比如每位公开的 qlib， 这东西简直就是个全能选手，从数据处理到策略回测，一条龙服务都给你准备好了。 那对于咱们不写代码的策略式来说呢？也有好东西，比如很多券商都会提供像 q m t 这样的软件，它的好处就是你根本不用管代码，界面都是图形化的，你脑子里有个想法，直接在上面拖拖拽拽，点点选选，就能把它变成一个看得见摸得着的策略，然后马上就能测试，特别直观。 还有更简单的就是这些渐线平台，它们把门槛降到了地板上，你比如说 iphone 的 这个平台，它甚至能让你用大白话来写策略， 你就直接打字告诉他，我想找那些连续两天涨幅都不到百分之二的股票，然后啪，他就能把过去几十年的数据都跑一遍，告诉你这个想法到底赚不赚钱，是不是很神奇？ 你看现在工具这么方便，分享策略也变得特别容易，但这背后啊，其实藏着一个巨大的坑。咱们来看一个真实的例子，在巨宽这个平台上，曾经有位用户分享了一个策略，说他的年化收益啊，高到吓人， 高到什么程度呢？年化回报率百分之一百九十九，将近两百，怕！我的天，这是什么概念？这不就是找到了台印钞机吗？ 但是重点来了，反转业来了，当我们把这个看起来完美的策略原封不动的复制过来，换一个时间段去测试，你猜怎么着？结果是亏损百分之七。 这就给我们上了最重要的一课，在量化交易里，这个现象叫过度。你和说白了就是你的策略太贴合过去某一段行情了，像是一把钥匙只能开一把锁，市场一旦变化，它就立刻失灵。所以记住，历史业绩永远不代表未来。 哎，你看自己搞策略，要防范过度逆合还挺难的。那能不能让现在无所不能的 ai 来帮我们一把呢？这就有意思了，我们来看看 ai 这个新玩家入场之后，游戏规则发生了什么变化。 你别说，这还真不是科幻小说，现在已经有那种开源项目能帮你创造一个 ai 智能体，而且还能让他模仿像查理、芒格这样的投资大师。你就给他一个股票代码，他就能像芒格附体一样，给你出一份头头是道的分析报告，连交易建议都给你写好了。 这种 ai 副驾，好处当然是肉眼可见的，就是简单，太简单了，你根本不需要懂金融，也不需要会编程。但他的缺点也同样致命，他是个黑箱，他告诉你买你就买，告诉你卖你就卖，但他为什么这么决策，你完全不知道？ 这得有一个问题，你赚了钱不知道怎么复制成功，亏了钱也不知道该吸取什么教训，你永远只是一个执行者，没法成长。 好了，聊到这儿，地图我们看过了，武器库也逛完了。那你可能会问我，到底该从哪开始我自己的量化之旅呢？别急，我给你推荐两个特别好的学习资源，绝对是入门的好起点。这两个好地方啊，都在 github 上， 第一个叫 awesome quant， 你 可以把它理解成一个量化资源导航大全，里边从论文到软件什么都有，帮你省去了到处找资料的麻烦。 第二个叫 quant wiki， 它更像一本由全世界量化爱好者一起写的维基百科，知识点非常系统，适合从零开始学。 所以你看啊，聊到最后，量化交易的核心其实就是一件事，整个市场就像一条由数据汇成的奔流不息的大河。而我们今天聊的各种工具，无论是代码、软件还是 ai， 都只是你用来渡河的船。那么问题来了，面对这条河，你打算怎么去解读它呢？

呃，框架是 qlab， 然后最少训练了三三次嘛，每一次超过二十小时，二十个小时，他可能学到了一个病态的动作。呃，他的结果偏向于持有， 强化学习里面，我个人理解他有一个很重要的一个 class， 就是 那个 ppo ea 自然体，自然体里面它有一个动作的选择，然后这是重新调整过的，然后重新又在跑， 跑了很多次以后，也就是跑了五千多个品种吧，然后最后得到的模型，它预测的话，它会全部都选持有。 所以我我理解的话，这可能是特定的，特定的市场，一个特定的一个病态的动作就装死， 而且目前来看，装死的话他最后 不吃水，他最后总可以回复就百分之九十九的概率 强化学习，他，他没有，他没有任何。呃，偏向就是他，他学到的是这个病态的一个动作， 当然这这是我自己的个人的一个理解，也可能是错的。然后进行修改，修改完了以后现在重新再好，然后这个修改的时候加了一个概率的分布， 它在官方的说法，或者说那个通常的说法就是调节温度，其实就是微调吧。然后这个这个地方，这原来的是原来的写法里面就是，嗯，加了这个加这块的， 因为现在目前得到的所有的安全都是都是都是词语，这可能是有问题， 不管是强化学习还是深度学习的代码，更多的时候感觉是像做实验，在做实验的过程中不同的调整， 还有一个地方改修 改，修改了两个地方，还一套没找出来， 目前正在进行微调，强制他作为动作进行进行学习，不能偏向于某一个某一个 i 群，如果实在不行的话，可能要重新再把这个 i 群里面再加入其他的指标。 虽然有时候可能这个强化学习和深度学习它，它学到的内容是真实的，但这个真实的它不代表它是对的 正式的事业中的结果，但不代表 可以这样做。如果这样，如果真这样做的话，可能用个夸张的说法，死无葬身之地。

有老铁问我，像 ql 这样的音乐播放器可不可以触发 mv 的时间码？安排一下。首先我们已经通过 mid 线 连接到了 mv 控台，这里是 midi 线的指示灯，我们需要对 q 列本软件进行设置，他这个软件呢是这个样子的啊，这样一个图标，我们打开他之后呢，按 ctrl 加逗号，可以打开设置选项，在设置选项中呢，我们找到这个 mid， 把你的 usb mid 要绑定好输入输出。搞定之后呢，我们可以添加一首音乐，然后在空白的地方呢，可以添加一个弹扣的时间码轨道，那添加进来呢？他就是这个样子，他现在 默认从第一个小时的时候开始播放一下，那么这边就会收到迷离信号，我们可以对他这个时间进行定义的，在下面你看可以让他从 从一小时的时候开始，或者说是五个小时的时候开始，我们改成改成五，那就这样点击播放，这样就 ok 了， 我们呢现在把一二三四分别做了四首歌，对应的四个不同的谜底时间吗？我们来 用他的谜底时间码来简单的录个程序给大家看一下。首先我们来录一个第二个吧这个时间码，然后 开始录制他，我已经通过红命令快速的链接到了二号时间吗？这里可以看到二号的标记，然后我们这边来放音乐第二首歌曲。 好，我们就简单的这样敲了几下啊， 然后停止录制好，已经停止现在播放音乐，他在等待咪的信号进来，我们播放第二首歌曲， 然后程序就走起来了，这就是 q 乐本链接 mv 的迷你实践吗？你学会了吗？

你是不是还在为找不到好用的 i c c 而烦恼？市面上通用的 i c c 怎么看都不得劲，用游戏加加跟 n 卡滤镜又掉帧，那么好，我给你们做一个自己调 i c c 的 功能。相比之前某站大佬的 g i n p 加转换， 只用 e u， 可以 直接一步集成实时预览加三色调整加直接生成导出。接下来是使用教程，打开 i c c 颜色管理板块，找到编辑 i c c， 看到是由曲线调节跟预览板块实时预览，内置了大坝跟航天的图片， 你也可以自定义添加自己的游戏截图。左侧的曲线可以调节亮度跟三色二基地调节所需调整的曲线可以在右侧实时预览效果， 调完觉得没问题后可以下滑输入命名，然后点击生成 icc， 这样一个属于你自己的 icc 就 做好了。 应用到显示器后就可以加载 i c c 的 效果。不喜欢现在的颜色还可以点击重置随便调，反正可以重置。后续也可以在 i c c 公房内上传自己的 i c c 分享给其他玩家使用。 后续会有改枪码，公房跟 i c c 公房玩家可以添加上传导入导出对应的改枪码跟 i c c。 让我们一直把这个社区做得更好吧！我是黑卡瑞，我们下期再见亚娜！

有人说，主播，你把现在最流行的真人口播影视解说拆解出来，我帮你粉丝破三十万，那么今天他来了！想做最流行影视解说的小伙伴们，欢迎来战！警告，这一期难度系数超大，建议先看片尾一分钟成品，再决定是否跟练完整。素材已经打包好，咱们开始上课。 将主音轨拖入轨道，右键素材选择智能识别字幕，删除掉多余部分，用分割工具看准波形图上的气口进行删除，就像把领导发言理话的柄精准剔除一样，手起刀落要干脆。删除掉后可以右键点击空隙处，选择闭合空隙。 做好后，我们全选音频，调整一下音量，点开声音效果，声音必须拉大，毕竟在职场里汇报时，嗓门大的人总是显得更有底气。选择人声增强三之后全选字幕，字体使用思源输送，选个方正踏实的字体，假装我们的工作成果和这字形一样，经得起背调。 打开字幕，操作安全区，调整一下字号和文字位置，将阴影属性勾选上，调整不透明度和模糊度，必须加点阴影，毕竟打工人的职场底色就是暗中背锅，有点阴影很正常。点击字幕页面，选择翻译双语字幕，给咱们的视频整上一个洋气的英文， 英语字体使用妙黑体强行加上双语，假装我们的草台班字业务已经对标了世界五百强。调整字号和字幕位置， 做好后，同步给其他字幕的属性。将素材导入到素材库，到这里粗剪就完成了。万事开头难，建好工程，剪完出版就像在周一早上成功打上卡，这周的心跳算是稳住了， 下面我们进行开头的剪辑。这一期的教学视频，我们选用的案例是影视相关口播，我们将用一段华丽的效果来展示这个特殊题材，一起来看看。 我们每隔二十五帧左右就添加一段新的素材，这密集的出现频率像极了下班前五分钟群里弹出的连环 app， 让人心跳加速，一直往上堆叠并错开位置。这些都是新网上新闻的截图。 注意这里我们添加了四条参考线，用来定位关键词，爆火全部添加好后，画满参考线，就像职场里的各种红线，虽然经常看不懂，但踩了就要命。 我们把每一个素材放大并调整位置，让爆火这两个关键词放在四条参考线所定位的区间中。这一步需要一些耐心。 把爆火精准框住，就像在报销单里仔细贴发票，稍微偏一点财务就不认账。但好的视觉效果是与复杂度成正比的， 这属于是剪辑师的匠人精神。全部对齐好后，我们直接全选右键，新建复合片段，统统打包在一起。就像老板把三个人的活儿强行塞给你一个人，还得美其名曰培养复合型人才。把它们打包在一起。从特效库中搜索虚化，添加到时间线上 调整特效的参数，再添加特效虚化，将扭曲程度降低一些。只要画面够糊，甲方就看不出我在素材堆里摸的鱼，这就叫战略性模糊。继续添加新的素材， 调整素材的位置大小，右键选择智能镜头分割，我们只截取每一个镜头的几秒钟画面就好。做一个快切，只要画面切得快，老板就看不出我在走神。主打一个天下武功，唯快不破。 智能镜头分割的功能，就是像这样的影视剧片段，它可以直接判断切镜头的时机。帮我们把这些视频拆解。 添加特效库中的放大镜视角特效，用放大镜看，就像 hr 拿着放大镜看你的简历，绝不放过任何一个可以压薪资的细节。再来搜索关键词胶片， 添加这个放映滚动特效。后面继续加入新的素材，选出我们需要的部分，在贴纸库中添加这个点赞的贴纸，到时间线上强行给自己塞个点赞特效，就当是弥补老板永远不发绩效奖金的心灵创伤了。调整贴纸的位置大小，将参考线清除掉。 从官方素材库中添加一个黑厂素材，加个黑厂就当是给打工人不堪重负的双眼放个两秒钟的年假。 将混合调整到五十左右，删掉多余的部分，添加入场动画渐显。将贴纸延长后，右键打包成复合片段， 调整复合片段的速度，调整一下速度，努力跟上公司越画越大的大饼节奏，让它和这一段对齐。将视频素材延长，再加入一段新的素材，原地复制三份出来， 疯狂复制，这就是咱们打工人的看家本领， ctrl 加 c 和 ctrl 加 v， 保命神计，点击抠像，使用自定义抠像，利用智能画笔工具，将我们需要抠像的部分单独画出来，点击应用效果。 其他几个素材也是一样，分别画出不同的主体。调整抠像的羽化值，并打开抠像描边颜色，选择黄色，加个刺眼的黄框，给平淡无奇的工作加一层自欺欺人的金光，显得我像个优秀员工。将属性同步给其他的三个素材 调整抠像描边的不透明度和大小，这样就利用了描边来稍微掩盖一下抠的干净。添加入场动画，向下滑动， 稍微掩盖一下瑕疵，就像用粉底液掩盖连续加班熬出的黑眼圈。主打一个欲盖迷章，不同方向的素材，我们就添加不同方向的入场动画，这样就形成了从四面八方汇聚到画面中央的效果。 这种四面八方夹击的窒息感，简直就是周一早会时各部门互相甩过来的黑锅，精准砸在我的脑门上。点击来到特效页面，搜索摇晃，添加这个左右摇晃的特效，到时间线上调整特效的参数，给刚刚每一个徽章素材 都添加一份。这个特效加上摇晃特效，画面动荡的程度堪比听说公司又要优化组织架构时我那颗不安的心。做好后，将它们统统打包成复合片段， 这样不会让特效干扰到背景素材。开头做好了，我们一起来看一下。最近网上有一个爆火的话题，说有一部神奇的电视剧啊，你光放一个片头，流量就好到飞起，各行各业的创作者们啊，纷纷对其模仿学习，怎么样， 是不是效果非常的震撼？我们总结一下，领导要开始划重点了，快把装满冰美式的杯子放下，假装在记笔记。这一段其实有两大要点，第一个是我们利用辅助参考线定位到一个位置，实现多个素材快切，但让它的相同部分聚焦的视觉效果。 这种剪辑手法其实在很多悬疑侦探类影视作品中会见到，运用到口播素材里，绝对是给观众眼前一亮的感受。还有一个要点就是只要包装够花里胡哨，外包的活儿也能理直气壮地报出直营团队的价格。我们很多片段利用了特效组合， 这些特效其实都是剪映官方特效库中自带的特效，但是利用多个相似或者有关联的效果组合在一起，就将普通的片段做成了视觉上非常丰富的质感。剪映的特效库中有非常多的特效，大家可以自行排列组合，找到有趣的组合， 就像用公司茶水间有限的几包速溶咖啡，非要调出一杯星巴克新冰乐一样，全靠硬凑。好了，我们继续吧。 添加一个默认文本，修改好文案后将字体改为倔强黑，调整文字的大小，添加入场动画，放大字体名叫倔强黑，可以说是非常符合我在工位上死不辞职的倔强气质了。直接复制一份文字出来，修改文案，给这两个文字做一个排版， 在贴纸库中搜索上升，添加这个红色箭头，将这一句话的字体颜色改为和箭头一样的红色。添加入场动画模糊发光这一句。添加入场动画激光雕刻贴纸素材，我们使用入场动画弹入后面加入新的素材，到时间线上，选取了我们需要的部分， 先将这些素材堆叠在一起，将前面的复合片段内部延长，内部无限延长，就像老板承诺的期权兑现时间永远都在往后拖。返回到主时间线上，将这些复合片段延长在这里，给位置大小打上关键针， 后面一点的位置再打上一次关键针。调整素材的位置又是打关键针，就像在考勤机上准点打卡一样，少一个都怕扣绩效。给新素材添加矩形蒙版， 调整蒙版的形状和大小，并拉出圆角，修改一下圆角的参数。添加新的素材，调整素材的大小。从贴纸库的图形库中添加一个矩形，修改矩形的形状和大小。 职场不相信眼泪，但剪辑软件相信圆角带来的虚假温和。把锋芒都藏起来，将颜色改为这个纹理图案，降低不透明度，让它变为一个纸质的背景。再加入一段新的素材，右键刚刚的关键帧，选择三次方缓动， 加上三次放缓动，给自己生硬的工作交接留点体面，像个成熟的职场老油条。将蒙版描边的样式改为发光，颜色改为黑色。精细调整一下素材的位置，添加入场动画。向上滑动， 将前面的素材延长至这一段结束。在这里给位置大小打上关键帧，直接右键新建复合片段。在这里再打上一次关键帧， 一路绿灯打爆新建，丝滑的就像 hr 给你办理离职手续时的速度。后面一点的位置也打上关键针，并调整它的大小和位置，形成关键针动画上面的素材。这里也同样打上关键针，并将它拖到画面的右上角， 形成关键帧动画。这一个素材我们放到上层轨道，把素材踢到右上角挂着，就像公司里那个只拿钱不干活的高管，位置很高，毫无用处。静音后修改片段时长，进入到刚刚这个复合片段内， 复制片段的属性，粘贴给这个素材。将这两个素材右键打包成复合片段，在这里给复合片段打上关键针后面一点的位置，再打上一次关键针，并将它整体缩小后放在画面的右下侧。前面的素材拖上轨道后，延长时长，在这里给位置大小打上关键针， 后面这里再打上一次关键针，并将它放在画面的左上角，右键关键针选择三次方缓动曲线。这左上右下的来回折腾堪比客户一版接一版，完全相反的修改意见。再把这个素材提上来，同样复制复合片段内素材的属性， 调整这个素材的入场时机并将它延长。注意我这里几个素材的轨道层级关系，别站错轨道层级，职场站错队可是要命的。 调整素材的位置和大小，删除掉多余部分，再将这个素材提上轨道，在这里给刚刚的素材位置大小打上关键针后面一点的位置，再打上关键针，并将它向下直接拖出画面，形成动画。刚刚的素材我们删除掉多余片段后，调整素材的大小和位置， 添加一个矩形蒙版，调整蒙版的形状并拉出圆角，打开蒙版描边样式，选择发光颜色使用黑色，发着黑光的描边，五彩斑斓的黑，咱们做不到 这种暗黑系的打工怨气还是能拿捏的。调整复合片段内素材的时长，返回到主时间线上，删除掉多余部分， 给这一段添加出场动画鉴显并延长时长。从官方素材库中添加一段黑场素材，删除掉多余部分后， 虽然犟的都是我的命。调整不透明度，添加入场动画渐显，直接复制一份出来并修改时长，后面再复制一份，分别叠加到不同的素材上。对齐时长复制叠加对齐，动作要整齐划一，像极了公司年会上被迫表演的大合唱。 特效库中搜索特效，点赞添加到时间线上，添加两个透明素材，从转场库中添加，加上超赞转场。既然老板不给我点赞，那我只能用特效给自己送温暖了。 这个超赞转场加入到两段透明素材上，这里直接点确定我们延长透明素材的时长，并将转场效果时常延长。将这两段直接右键打包成复合片段，用透明素材来承载转场，就像在公司里找个背锅侠，默默承担一切复杂的机制。 调整好时长后，将它放在文案对应的位置，点击变速窗口拖拽素材到这一句的结束。点击抠像，使用色度抠图，把黑背景抠掉，脱离职场黑洞，假装自己是个自由人。 将黑色的背景抠掉，并调整抠像的参数，让它的边缘变得柔和，再打开超轻画质，让画面更清晰。调整文字的入场时机，并删除多余部分，边缘柔和一点。职场混久了，锐角都磨成了圆角，脾气都变成了。收到，修改好文案， 点击竖版排列，给文字做一个排版，打开阴影属性，调整不透明度和模糊度，给这个文字添加入场动画。阅近，假装明年的 kpi 也能像这样跨越式增长。虽然大家都知道是做梦，这一段做好了，我们一起来看一下， 结果呢，也全部都是几十上百万的点赞啊，属实叫人自自撑起，做的不错，你很厉害。总结一下， 这一段就是多个关键帧动画的组合，有两点值得注意的是，偶尔也要给自己一点廉价的口头表扬，防止在这枯燥的工位上直接精神崩溃。第一个是我们在做关键帧动画的时候，大家可能注意到，一般都是第一个素材最后一个关键针对应着下一个素材的第一个关键帧， 这样对其的好处就是在视觉上能形成这些素材挨个轮番移动的效果。严丝合缝的关键针交接，比离职同事提交的那个写满未知错误的工作文档还要顺畅八百倍，整体画面会看着非常协调丝滑。 还有一点值得注意的是，我们用了两个透明素材，这里透明素材的目的其实是为了刚刚的转场动画，由于剪影的转场必须要在两个素材之间使用剪映，这机制就像非要拉着两个部门一起开会才能推进，一个屁大点的事，繁琐的要命，我们又不能干扰到其他素材， 所以这里就用了一个透明的素材来单独承载这个转场动画。但由于官方的机制，导致我们使用后会出现黑色的背景，直接使用抠像将黑背景抠掉就可以了。 好了，我们继续下一段吧。加入一段新的素材，将前面的素材时常延长。给新素材添加矩形蒙版， 调整蒙版的形状，并拉出圆角，打开蒙版描边。要是选择单层，单层描边就像我单薄的工资单一样，一眼就看穿了，毫无惊喜。颜色改为白色，删除掉多余部分，我们添加一段新的素材，使用自定义抠像，将主体部分用智能化笔画出来并抠出。 拿着智能画笔到处画，这精细活比老板画大饼还要讲究技巧。抠好后，我们将素材缩小并放在画面的左下方，同样打开抠像描边，调整描边的参数，给这个素材添加入场动画，向右滑动，调整素材的入场时机。刚刚的素材我们点击 缩小后塞到角落里，靠边站，非常符合我这种底层设处在公司年会大合照里的定位。我们添加入场动画老电视 特效库中搜索特效，电视纹理，添加到时间线上，对应刚刚的素材，再添加特效荧幕造点刚刚的字幕，我们使用这个金色花字添加入场动画，收拢复制一份过来，修改好文案，将阴影属性关闭，背景属性打开 背景的颜色，使用刚刚描边的黄色，金光闪闪的，虽然兜里没钱，但画面里绝不能露出穷酸样。面子工程的拉满，将文字缩小后调整背景的颜色，把它放在这个侦探的身上。 添加入场动画，翻动并延长时长。再添加一段新的素材，到时间线上不停地加新素材，这工作量堆积得就像节后第一天上班时我那爆满的邮箱。还是使用自定义抠像，用智能化笔将主体部分画出后抠出来，调整素材的位置和大小。 给刚刚的素材添加出厂动画老电视并修改时长，再抠一次。这就叫重复造轮子，是老板最喜欢的内卷方式。将这个侦探素材打上关键帧后，放大右键关键帧选择三次方滑动，放大，再滑动，把小问题无限放大，然后再慢条斯理地解决。 深安汇报 ppt 的 精髓。这个素材的起始针的位置，我们打上关键针，在这里再打上一次关键针，回到起始针处，将素材旋转后向右上角拖出，这样就有了一个入场动画。 右键关键针选择三次方，缓动。修改字幕的文案，并调整文字阴影属性。添加入场动画。复古打字机，取消竖版排列，假装自己在这身不由己的打工生涯里还能拥有一丝丝的主导权。 调整文字的位置和大小，将前面文字的时长延长。再修改新文字的文案并调整位置属性。直接粘贴过来，给两个文字做一个排版。这个文字我们添加入场动画，折叠并修改文字的颜色为黄色。 复制一份刚刚的文字。修改文案后放在对应的位置，将字体改为倔强黑，又渐趋强黑。今天不把这班上明白，我绝不轻易提离职。关闭文字的背景，将颜色改为黄色渐变。这里我们直接使用吸管工具，添加一个图形库中的矩形， 调整矩形的形状和位置，让它覆盖到刚刚的这一组素材上。将圆角拉出，拿着吸管工具在屏幕上到处吸色， 像极了我在办公室到处蹭别人抽屉里免费零食的卑微样子。举行的颜色改为黑色，并调整不透明度。添加入场动画，轻微放大特效库中搜索摇摆，添加这个回弹摇摆特效。 注意，这个特效要放在这一个素材的上面。回弹摇摆这洞事就像老板在发奖金和扣绩效之间反复横跳，弄得人心惶惶。调整特效的参数，将这两个特效延长至这一段结束， 这段素材也同样延长。把这三组素材选中后，右键打包成复合片段，给这个复合片段添加出场动画。向右滑动， 加入这个羽毛素材和这个书的素材，打包带走。向右滑动，划得比我摸鱼被主管发现时切屏的速度还要快。使用智能抠像将它们分别抠出来，调整两个素材的位置和大小。 打开抠像，描边样式选择发光，调整描边的属性颜色都使用这个淡黄色。将这个书的素材放大后， 发着淡黄色的光，稍微冲淡一点，连着减三个小时，还没喝上口热水的工味辛酸。放到画面的右下侧， 调整轨道层级位置，在起始针的地方给位置大小打上关键针，在后面这里再打上一次关键针，回到起始针处，将书的素材旋转后向右拖出画面，这样就形成了入场动画。 右键关键针选择三次方缓动，在同样的位置，将羽毛笔调整位置后，删除掉前面的片段，并在起始针处打上一次关键针。回到起始针处，将羽毛笔旋转后 向右侧拖出画面。右键关键帧选择三次方缓动，在这里再打上一次关键帧，并将它向右偏移，做成书写效果的动画， 同样的做出羽毛笔写字的高级感。虽然文案可能是用脚想出来的，但视觉包装必须得是爱马仕级别的。在后面以相同的频率间隔 再打几次关键针，并拖动笔的位置右键。这些关键针全部使用三次方缓动，让动画变得更丝滑，缓动加满丝滑的，就像 hr 给你画下一季度大饼时的语调，一点磕巴都不打。这样的书写动画就做好了。 我们删除掉多余部分，并在最后这里再打上一次关键针。将它旋转向右侧，拖出画面。复制一个文案。 复制前面的文案并修改文字和时长这两个字。我们将它放大并关闭入场动画。调整自间距，留足自间距，距离产生美， 这也是我们在复杂职场人际关系里保命的最后一道安全防线。颜色使用淡黄色。将这两个字放在下层轨道。添加入场动画开幕这一个文本。我们修改好文案后，将它做一个唤醒，乖乖垫在下层轨道干当电脚时，这就是咱们基层干犯人的基本素养。 添加入场动画模糊发光。将这段素材延长并调整关键帧位置，让它和文字动画对齐。添加一句英文字幕字体，使用这个字体 强行塞入英文字幕，瞬间拉高视频的逼格，糊弄金主爸爸的必备套路。再加入一个矩形素材，调整位置和形状。把它垫在这个英文字幕的下方。将矩形的颜色改为深黄色，并添加入场动画。向左滑动 这个文字的入场动画，我们使用左翼弹动，增加一些行间距和自间距。将这几本书的封面选中，加入到时间线上。我们把它依次堆叠在一起，并修改到相同的时长。每隔时针左右的位置，我们就删除下一段素材的前置部分， 让它形成有节奏的一次入场效果，像挤地铁一样堆叠在一起，然后再有节奏的错开。剪个视频，剪出了早高峰调度的习惯，如果我们没有打包复合片段的习惯， 时间线在这里将会变得特别恐怖。回到第一个封面，调整它的位置和大小，打开描边属性，要选择单层描边，复制这一个封面，这杂乱无章的轨道堪比堆满了几百个未读消息的工作群，点开就是精神污染。还是打包好点， 直接粘贴给剩下的其他封面属性。我们把这些封面分别错开一点位置，进行画面上的排版，最终的效果。像这样上下分成两行来排列这些书籍的封面，所以这里看起来就非常整齐。由于我们使用了描边效果， 排版必须得整整齐齐，打工人最后的体面就体现在这横平竖直的画面里了。做好后，使用切刀工具，再将这里的背景切割， 并把它放在最上层的轨道，加入一段黑场素材，也将它放到最上层轨道，给黑场素材添加入场动画渐显。拿切刀直接切断，利落的就像到了下班点直接把主机电源一样。干脆复制前面的文字过来，并修改文案，这几个字也复制过来， 还有前面的英文字幕和矩形，分别修改好对应的文案，将属性进行同步粘贴，调整文字的位置和矩形的位置， 无限复制粘贴属性。只要我附用的够快，新的需求就追不上我下班的脚步。降低黑场素材的不透明度，调整前面素材的关键帧，关键真实机。 最后一段剪好了，我们一起来看一下吧。而这部剧本身呢，也足够牛逼，它的原作者是有史以来唯一被柯南道尔协会认证的可以续写福尔摩斯故事的创作大师，同时呢也是大侦探波洛系列的资深编剧。非常不错， 我们简单总结一下，胜利就在眼前，我仿佛已经闻到了打卡机下班时那声清脆的笛声，简直是天籁！这一段有一个值得注意的效果， 就是利用关键帧动画做成了羽毛笔书写文字的效果。这两个素材本来是两张 ai 生成的图片，但是我们利用了关键帧，让它们动了起来，并组合成统一的视觉效果，硬是把一块钱的预算干出了一百块的视觉效果 好了，剩下的就是添加音乐和音效了。别总想着一步登天，踏踏实实拿剪映做动画，才是咱设处可控的 kpi。 最近网上有一个爆火的话题，说有一部神奇的电视剧啊，你光放一个片头流量就好到飞起。各行各业的创作者们啊，纷纷对其模仿学习，结果呢，也全部都是几十上百万的点赞啊，属实叫人自自撑起。而这部剧本身呢，也足够牛逼， 他的原作者是有史以来唯一被柯南道尔协会认证的可以续写福尔摩斯故事的创作大师，同时呢也是大侦探波洛系列的资深编剧。这节课咱们就上到这里，键盘一推，谁也不爱！