随着近年各类应用 AI 能力的玩法特效在短视频中的兴起，例如变年龄、漫画风格和 AR 效果等，如何打造一个高效的 AI SDK 成为重点问题。这样的 SDK 应该具有对不同机器学习模型的通用性强、端上运行效率高、算法接入成本小和可配置度高等特点。

针对以上问题，以及为了满足快手魔法表情和其他端上 AI 任务的快速发展的需求，我们开发了 YKit SDK，目前支持多达 60 多种底层 AI 能力，同时还在接入新能力。YKit 向下无缝衔接自研的 YCNN 推理引擎，向上方便地对接快手各 App 业务方和其他中台 SDK。为了优化在不同机型上的性能，搭建了自定义模型适配和服务端模型分级下发，以及不同的插帧策略。为了统一算法的接入，定义了 CPU 推理到 GPU 后处理渲染的模版化链路。

目前可以支持每月若干新玩法的快速开发、复用和上线，在各档机型达到流畅拍摄效果，创造用户喜欢的爆款特效，例如童话魔法、时光机、人像手绘等。其中，2020 年 11 月上线的 GAN 类玩法童话魔法，达到了数百万作品量和数十亿播放量。 

本演讲将从整体到细节，深入讲解快手 YKit AI SDK 从开发到落地的思路、遇到的问题以及原创的解决方法，希望能给业界同行在相关的开发上带来性能优化、落地流程、玩法应用等方面的借鉴和启发，促进大家在这个话题领域的讨论交流，推动深度学习在视频图像类应用上的整体发展。

演讲提纲:

1. 背景

2. 效果展示

3. YKit SDK 框架

• 接口统一化，易于各上游业务对接以及算法变动后向兼容
• 底层流程化，统一的 YCNN 推理引擎底层及 GPU 后处理渲染链路
• 功能插件化，新算法可快速开发接入，编译时独立可控

4. 性能优化和工具链配套

• 模型分机型配置和下发，适配各模型性能
• 支持多平台加速的图形图像库
• 算法和模型自动化测试

5. 未来展望

6. Q&A 

你将获得:

• 了解快手 YKit AI SDK从开发到落地的思路、遇到的问题以及原创的解决方法
• 了解快手在 YKit AI SDK 性能优化、落地流程、玩法应用等方面的思路 
• 了解庞大用户量及复杂机型组成带来的挑战和实际工程经验
• 了解对几十种 AI 能力的通用、高效的支持手段