Meer en meer apparaten gebruiken gespecialiseerde chips voor kunstmatige intelligentie. Zo heeft de Google Pixel 6 een AI-chip en is de iPhone al jaren voorzien van een Neural Engine. Wat is er zo speciaal aan deze chips en welke taken kunnen ze versnellen?

Standaardprocessors zijn ontworpen om zo snel mogelijk instructies na elkaar uit te voeren. Die race naar steeds snellere kloksnelheden heeft al een tijdje moeten plaatsmaken voor parallellisatie: hierbij voeren meerdere processorkernen op hetzelfde moment instructies uit. Maar de meeste software maakt daarvan geen efficiënt gebruik. Je tekstverwerker haalt niet zoveel voordeel uit acht gelijktijdig werkende processorkernen.

Deep learning

Maar er zijn heel wat gespecialiseerde toepassingen die wel profiteren van verregaande parallellisatie. Vooral in AI (kunstmatige intelligentie) en dan in het bijzonder deep learning, een vorm van neurale netwerken. Deze algoritmen profiteren ervan om dezelfde instructies op grote hoeveelheden verschillende data tegelijk uit te voeren. Dat vereist een heel ander soort processor.

Neurale netwerken bootsen de werking van de hersenen na, die een biologisch neuraal netwerk vormen: een kluwen van ontzettend veel verbindingen tussen neuronen (hersencellen). Een kunstmatig neuraal netwerk bestaat meestal uit meerdere lagen: een invoerlaag van neuronen die de invoer van een probleem voorstellen (bijvoorbeeld een foto), een uitvoerlaag van neuronen die de oplossing van het probleem voorstellen (bijvoorbeeld de naam van de persoon op de foto), en een of meer tussenliggende lagen die berekeningen uitvoeren. Bij een groot aantal lagen tussen en uitvoer spreken we van deep learning.

©PXimport

Tensors

De data in deep learning worden opgeslagen in de vorm van tensors. Een tensor is een veralgemening van een vector of matrix naar meerdere dimensies. We kunnen een tensor beschrijven aan de hand van drie primaire eigenschappen: de rang, de vorm en het datatype. De rang van een tensor is het aantal assen. Zo is de rang van een matrix 2, van een vector 1 en van een getal 0.

De vorm van een tensor is het aantal elementen volgens elke as van de tensor. Stel dat je een tensor van rang 2 aanmaakt met op de eerste rij de getallen 1 en 2, op de tweede rij de getallen 3 en 4, en op de derde rij de getallen 5 en 6. Dan is de vorm van deze tensor de vector (en dus ook een tensor, namelijk van rang 1) [3, 2]. De tensor heeft namelijk drie rijen van 2 elementen.

Het datatype van een tensor beschrijft welke getallen de tensor bevat. Dat kan bijvoorbeeld float32 zijn (kommagetallen van 32 bit), of int8 (gehele getallen van 8 bit).

©PXimport

Machine learning met tensors

Voor elke taak waarvoor je een neuraal netwerk wilt trainen, moet je dus de data omzetten in tensors. Een afbeelding waarin je objecten wilt herkennen, zet je dan om in een tensor van rang 3: de vorm is dan [hoogte, breedte, kanalen], waarbij kanalen voor de kleurkanalen zoals rood, groen en blauw staat.

Vaak verwerken algoritmen in machine learning maar een deel van de data tegelijk. In ons voorbeeld van objectherkenning worden dan meerdere afbeeldingen in een batch onderverdeeld. We werken dan met een tensor van rang 4 met als vorm [samples, hoogte, breedte, kanalen]: de eerste as bevat het aantal samples in een batch.

Deep learning met GPU’s

Toen deep learning rond 2010 na jarenlange ontwikkeling eindelijk doorbrak, was dat vooral door de opkomst van snelle GPU’s (graphical processing units). Onderzoekers ontdekten dat de chips die in grafische kaarten zitten om sneller beelden te renderen, ook uitstekend uitgerust waren voor deep learning, in het bijzonder bij volledig verbonden neurale netwerken.

Computerwetenschapper Andrew Ng bepaalde dat deep learning-systemen met een factor 100 versneld konden worden door gebruik van GPU’s. Niet langer had men weken nodig om algoritmen voor handschriftherkenning of objectdetectie te trainen, maar slechts dagen.

Een GPU bestaat dan ook gemakkelijk uit duizenden processorkernen. Bovendien maakt een GPU gebruik van het SIMD-paradigma (zie kader ‘SIMD’): dezelfde bewerking wordt op duizenden stukjes data tegelijk uitgevoerd. Dat is ideaal voor deep learning, wat een heleboel tensorbewerkingen nodig heeft op grote hoeveelheden data.

Grafische kaart voor AI

In het begin werden voor AI-taken gewoon grafische kaarten voor consumenten gebruikt. Ondertussen produceert Nvidia ook GPU’s, ontwikkelbordjes en volledige servers die specifiek zijn ontworpen voor deep learning. Dat alles doet het bedrijf onder de naam Jetson. De prijzen van de Jetson Developer Kits beginnen bij 75 euro.

De prestaties van deze GPU’s variëren van 472 gigaflops (472 miljard floating-point-bewerkingen per seconde) op de 128-core Nvidia Maxwell-GPU in de Jetson Nano tot 200 tops (200 biljoen bewerkingen per seconde) op de 2048-core Nvidia Ampere-GPU met 64 tensor-cores (te vergelijken met de tensor processing units van Google, zie verder) in de later dit jaar verwachte Jetson AGX Orin. Wat al deze GPU’s gemeen hebben, is dat ze met Nvidia’s toolkit CUDA (Compute Unified Device Architecture) te programmeren zijn.

©PXimport

SIMD

Computerwetenschapper Michael J. Flynn stelde in 1966 een invloedrijke classificatie op van computerarchitecturen volgens hun parallellisme. Deze werkt op basis van twee parameters: het aantal instructies dat tegelijk wordt uitgevoerd en het aantal datastromen dat tegelijk wordt verwerkt.

Een computer zonder parallellisme, zoals de pc vóór de komst van multicore-processors, valt onder single instruction, single data (SISD). Een GPU die dezelfde instructie op meerdere data tegelijk uitvoert, valt onder single instruction, multiple data (SIMD). Maar ook moderne processors ondersteunen gedeeltelijk SIMD-instructies, zoals Advanced Vector Extensions (AVX) op Intel- en AMD-processors, de Neon-extensie op ARM-processors en AltiVec op PowerPC.

Multiple instruction, single data is nogal ongewoon. De boordcomputer van de Space Shuttle gebruikt deze aanpak voor foutentolerantie. Multiple instruction, multiple data is de architectuur voor alle vormen van gedistribueerde systemen.

Overigens zijn moderne GPU’s geen perfecte implementatie van SIMD meer, maar eerder van single instruction, multiple threads (SIMT): je voert meerdere threads uit die elk SIMD toepassen.

Tensor processing unit

Hoewel GPU’s al een hele prestatiewinst bieden ten opzichte van CPU’s voor deep learning, kunnen de prestaties nog met zeker een factor 10 verbeteren door application-specific integrated circuits (ASIC) te gebruiken. Die chips hoeven immers geen rekening te houden met de GPU-architectuur en zijn speciaal ontworpen voor berekeningen met lagere precisie. Door berekeningen bij benadering uit te voeren, in plaats van exact tot op zoveel cijfers na de komma, gaan ze veel sneller. Die precisie is immers in veel toepassingen met neurale netwerken niet nodig.

Google ontwikkelde in 2015 zijn tensor processing unit (TPU), een ASIC voor machine learning. De TPU’s zijn ontworpen om met een laag verbruik zoveel mogelijk berekeningen uit te voeren met een lage precisie (doorgaans 8 bit). Specifiek voor convolutional neural networks zijn TPU’s heel geschikt.

TPU’s in de cloud

Het bedrijf zette de TPU’s eerst in zijn eigen datacenters in, en dat blijft het ook nu nog doen. Zo verwerken TPU’s foto’s van Google Photos, tekst van Google Street View en worden de chips ook gebruikt in het zoekalgoritme RankBrain. Google Translate, Google Assistant, Gmail, al deze diensten draaien op TPU’s.

Sinds 2018 biedt Google zijn TPU’s ook aan als onderdeel van het Google Cloud Platform. De dienst heet Cloud TPU. Zo heeft de tweede generatie van de Cloud TPU een snelheid van 45 teraflops. Daarvan worden vier chips op één module geplaatst, met een totale snelheid van 180 teraflops. Google assembleert 64 van die modules tot een ‘pod’ van 256 Cloud TPU-chips met een totale snelheid van 11,5 petaflops.

©PXimport

TPU’s lokaal

In 2019 kwam Google met een nieuwe productlijn TPU’s, de Edge TPU. In tegenstelling tot de Cloud TPU’s zijn deze bedoeld voor edge computing: berekeningen op lokale apparaten. De Edge TPU is in staat om vier biljoen bewerkingen per seconde uit te voeren met een vermogensverbruik van slechts 2 W.

Google biedt zijn Edge TPU-producten aan onder de merknaam Coral. Tot de beschikbare producten behoren ontwikkelbordjes van allerlei afmetingen, M.2-insteekkaartjes en de USB Accelerator die je eenvoudig via usb op je laptop of Raspberry Pi aansluit. De Edge TPU wordt ook aan andere fabrikanten gelicentieerd. Zo biedt Asus zijn ontwikkelbordje Tinker Edge T aan, evenals een PCIe-kaart waarin 8 of 16 Edge TPU-chips zijn geïntegreerd.

De Edge TPU programmeer je met TensorFlow Lite, een lichtgewicht framework voor deep learning. Aangezien de chip alleen 8bit-bewerkingen ondersteunt, moet het neurale netwerk getraind worden zodat het hiermee rekening houdt, of je kwantiseert een netwerk tot 8 bit.

Verder zijn de bewerkingen die de Edge TPU ondersteunt ook beperkt, waardoor de chip voornamelijk nuttig is voor inference, en niet voor het trainen van netwerken. Een voorbeeld van inference is het detecteren van objecten in foto’s. De training van het neurale netwerk dat je daarvoor gebruikt, moet op een ander platform gebeuren.

©PXimport

TPU in je broekzak

In 2019 bracht Google zijn telefoon Pixel 4 uit met een Neural Core. Deze chip was een aangepaste versie van de Edge TPU en hielp met het ontgrendelen via je gezicht, een snellere Google Assistant en een slimmere camera.

In de Pixel 5 verdween de Neural Core vreemd genoeg, maar in de Pixel 6 maakte de Edge TPU een comeback, deze keer ingebouwd in een nieuwe SoC, de Google Tensor. Deze bevat zowel een CPU als een GPU, TPU en nog andere versnellerhardware.

De TPU verbetert de automatische spraakherkenning van Google Assistant en helpt ook het automatische ondertitelingssysteem Live Caption zonder de batterij snel leeg te trekken. En met het neuraal netwerk HDRnet verbetert de TPU beelden met een breed bereik aan helderheden. Door de TPU voor deze taken te gebruiken, hoeft de Pixel 6 minder vaak verbinding te leggen met de Cloud TPU’s van Google zelf. Dat komt de batterijduur ten goede.

Telefoons met AI

Google is niet de enige die gespecialiseerde AI-chips in zijn telefoons steekt. In 2018 introduceerde Samsung zijn Exynos 9820 met een neural processing unit (NPU). De AI-versnellerchip zit onder andere in de Samsung Galaxy S10.

Ook Qualcomm heeft in zijn recente Snapdragon-SoC’s een zogeheten AI Engine ingebouwd. De module die MediaTek in zijn SoC’s heeft ingebouwd, heet een artificial intelligence processing unit (APU). AI is tegenwoordig al zo ingeburgerd in telefoons dat elke serieuze SoC-fabrikant dit inbouwt.

©PXimport

Apple Neural Engine

Ook Apple heeft AI-versnellerhardware. Die dook voor het eerst op in de A11 Bionic-SoC die Apple ontwierp voor de iPhone 8, iPhone 8 Plus en iPhone X van september 2017. Apple noemt deze hardware een Neural Engine. In de A11 bestond die uit twee cores die tot 600 miljard bewerkingen per seconde konden uitvoeren. De versneller werd gebruikt voor Face ID, Animoji en andere taken waarbij intelligentie nodig is.

In de A12 (onder andere gebruikt in de iPhone XR) voerde Apple het aantal cores in de Neural Engine op naar acht, met een snelheid van 5 biljoen bewerkingen per seconde. Niet alleen was dat negen keer sneller, maar de nieuwe versie verbruikte ook tien keer minder vermogen. In de A13 (van de iPhone 11) bleef het aantal kernen op 8 steken. Het resultaat was 20% sneller (6 biljoen bewerkingen per seconde) en 15% zuiniger.

Sneller en ook voor derden

In de A14 (van de iPhone 12) werd het aantal cores van de Neural Engine verdubbeld tot 16, met een snelheid tot 11 biljoen bewerkingen per seconde. In de Apple M1, de eerste door Apple zelf ontworpen ARM-SoC voor Macs, zat zo goed als dezelfde versie van de Neural Engine. In de Apple A15 (van de iPhone 13) werd de snelheid van de 16-core Neural Engine opgevoerd tot 15,8 biljoen bewerkingen per seconde.

Oorspronkelijk was de kracht van de Neural Engine alleen beschikbaar voor apps van Apple zelf. Maar ondertussen kunnen ook third-party app-ontwikkelaars ervan gebruikmaken via het framework Core ML dat Apple aanbiedt voor machine learning. App-ontwikkelaars die zware analysetaken uitvoeren, doen er goed aan om dat via Core ML te doen. Door deze taken op de Neural Engine uit te voeren, werken ze immers energie-efficiënter en blijft de batterij van de iPhone langer meegaan.

©PXimport

Black box

Het is belangrijk om te weten dat een TPU, NPU, Neural Engine of hoe het ook heet altijd is geoptimaliseerd voor een specifiek type bewerkingen. Een neuraal netwerk bestaat altijd uit verschillende lagen en die kunnen van verschillende types zijn. Niet elke AI-versnellerchip ondersteunt alle types. Ook de ondersteunde datatypes hangen af van de hardware: alleen gehele getallen of ook kommagetallen, en 8, 16 of 32 bit?

De bijbehorende ontwikkeltools moeten je normaliter helpen om een neuraal netwerk aan te passen op de versnellerhardware. Maar de Neural Engine en Core ML van Apple zijn een black box. Apple geeft third-party ontwikkelaars geen richtlijnen over hoe ze hun modellen kunnen optimaliseren om in Core ML gebruik te maken van de Neural Engine. Er is zelfs geen documentatie over welke types lagen ondersteund worden door de Neural Engine. Matthijs Hollemans heeft door te experimenteren wel wat bevindingen over de Neural Engine kunnen publiceren.

TensorFlow-modellen 

Bij de Edge TPU ziet het plaatje er al heel wat inzichtelijker uit. Google heeft uitgebreide documentatie over de compatibiliteit van TensorFlow-modellen op de Edge TPU. Allereerst is er de beperking dat de Edge TPU alleen feed-forward neurale netwerken kan uitvoeren. Hierbij vormen de verbindingen tussen neuronen geen cyclus, maar vloeit de informatie maar in één richting. Dit in tegenstelling tot de recurrent neural networks, waarvoor CPU’s overigens nog altijd goed geschikt zijn. De tweede beperking is dat de Edge TPU alleen TensorFlow Lite-modellen met 8bit-voorstellingen van data kan uitvoeren.

Je traint een model nooit rechtstreeks met TensorFlow Lite. Je traint eerst een TensorFlow-model, dat werkt met floating-point getallen van 32 bit. Dit zet je dan met de TensorFlow Lite Converter om naar een TensorFlow Lite-model met 8bit-getallen en compileer je tot een .tflite-bestand dat je op de Edge TPU kunt uitvoeren.

©PXimport

Deels op de CPU

Zelfs als je een model voor de Edge TPU hebt gemaakt dat intern gekwantiseerd is tot 8bit-getallen, zijn de invoertensors mogelijk nog 32bit-kommagetallen. De Edge TPU-compiler heeft dan een kwantisatiebewerking in het begin van je model toegevoegd. Ook aan het einde van je model komt dan een bewerking die de 8bit-uitvoer weer omzet naar 32 bit. Beide bewerkingen worden op de CPU uitgevoerd. Dat hoeft niet zo’n probleem te zijn en levert doorgaans maar een kleine vertraging op.

Als de Edge TPU Compiler een niet-ondersteunde bewerking tegenkomt, compileert hij de bewerkingen vóór die bewerking voor de Edge TPU. Alle bewerkingen daarna worden dan op de CPU uitgevoerd. De compiler vertelt je ook hoeveel bewerkingen hij op de Edge TPU kan uitvoeren en voor hoeveel hij de CPU nodig heeft. Zelfs als maar een kleine fractie van de bewerkingen op de CPU wordt uitgevoerd, kan dat een grote impact op de prestaties hebben. Je moet er altijd naar streven om 100% van het model op de Edge TPU te kunnen draaien.

Coprocessors

Het idee van een AI-versneller, al dan niet ingebouwd in een SoC, is niet zo nieuw. Al in de jaren 1980 werden processors uitgerust met zogenoemde coprocessors om specifieke taken sneller uit te voeren. Zo hadden Intels eerste x86-CPU’s bijbehorende x87-FPU’s (floating-point units): de 8086 kreeg hulp van de 8087 voor berekeningen met kommagetallen, de 80286 van de 80287 en de 80386 van de 80387. De 80486 was de eerste in de reeks met een ingebouwde FPU.

©PXimport

Haperende streams en trage downloads op zolder zijn grote ergernissen in veel huishoudens. Om dat op te lossen twijfelen veel mensen tussen een krachtiger router of een set powerline-adapters. In dit artikel leggen we precies uit wanneer je voor welke oplossing moet kiezen, zodat je geen geld verspilt aan de verkeerde apparatuur.

Voordat je naar de winkel rent: je moet eerst begrijpen wat er precies misgaat met je verbinding. Wifi-problemen kun je doorgaans opdelen in twee categorieën: een gebrek aan bereik of een gebrek aan capaciteit. Bij een gebrek aan bereik komt het signaal simpelweg niet ver genoeg, bijvoorbeeld omdat dikke betonnen muren of plafonds het signaal blokkeren. Je hebt dan op zolder één streepje bereik of zelfs helemaal geen verbinding. Bij een gebrek aan capaciteit is het signaal wel sterk, maar is de router niet krachtig genoeg om alle data te verwerken. Dat merk je als het internet traag wordt zodra iedereen thuis tegelijk online is. Het onderscheid tussen deze twee oorzaken bepaalt of je een router of een powerline-adapter nodig hebt.

Wanneer is een nieuwe router de oplossing?

De router is het hart van je thuisnetwerk en regelt al het verkeer. Vaak gebruiken mensen het standaardmodem dat ze van hun internetprovider hebben gekregen, maar deze apparaten blinken zelden uit in prestaties. Een losse, hoogwaardige router kopen is de beste keuze wanneer je merkt dat de verbinding in de buurt van het modem al niet optimaal is of wanneer je regelmatig met veel apparaten tegelijk online bent.

Als je in de woonkamer zit en de verbinding hapert zodra de kids op hun tablets zitten, is je huidige router waarschijnlijk niet krachtig genoeg om al die gelijktijdige datastromen te verwerken. Een moderne router met ondersteuning voor wifi 6 kan veel meer apparaten tegelijk bedienen en zorgt voor een hogere, stabielere snelheid op de verdieping waar hij staat.

©Andrii

Internet via het stopcontact met powerline

Een powerline-adapter, ook wel homeplug genoemd, werkt volgens een totaal ander principe. Dit systeem maakt gebruik van het bestaande stroomnet in huis om het internetsignaal te verplaatsen. Je stopt één adapter in het stopcontact bij je router en de tweede adapter in een stopcontact op de plek waar je internet nodig hebt, bijvoorbeeld op zolder of in het tuinhuis.

Dit is de ideale oplossing wanneer het wifi-signaal door dikke betonnen muren of plafonds moet dringen. Waar wifi-golven afketsen op gewapend beton, stuurt de powerline het signaal simpelweg via de koperdraden in de muur naar boven. Dat maakt powerline-adapters uitermate geschikt voor specifieke 'dode zones' die te ver weg liggen voor het bereik van een gewone router.

Stabiliteit versus snelheid

Bij de keuze tussen deze twee speelt ook het gebruiksdoel een rol. Powerline-adapters zijn vaak de favoriete keuze voor gamers of mensen die thuiswerken op een vaste pc. De reden hiervoor is dat de tweede adapter vaak beschikt over een netwerkafsluiting, waardoor je je computer met een kabel kunt aansluiten. Een bekabelde verbinding via powerline is doorgaans stabieler en heeft een lagere vertraging (ping) dan wifi, wat cruciaal is bij online gamen. Een nadeel is wel dat de snelheid van powerline afhankelijk is van de kwaliteit van je stroomnet. Oude bedrading of zware apparaten zoals een wasmachine kunnen storing veroorzaken, waardoor de snelheid soms fluctueert. Een high-end router biedt daarentegen vaak een hogere topsnelheid, maar is dus gevoeliger voor afstand en obstakels.

De opkomst van mesh-systemen

Tegenwoordig is er een hybride oplossing die de traditionele router steeds vaker vervangt: Multiroom Wifi of Mesh. Dit zijn feitelijk meerdere routers die met elkaar communiceren. Als je een groot huis hebt en overal perfecte wifi wilt zonder kabels te trekken, is dit vaak een betere, maar ook duurdere oplossing dan een simpele powerline-set. Kies je echter voor een budgetvriendelijke oplossing om snel internet op één specifieke, lastig bereikbare kamer te krijgen, dan wint de powerline-adapter het vaak op prijs-kwaliteitverhouding. Is je doel echter om de algehele snelheid en capaciteit in de woonkamer en keuken te verbeteren, investeer dan in een goede router.

Maak jij tijdens een welverdiende vakantie talloze video’s? Met VSDC Free Video Editor giet je de leukste fragmenten in een gelikte film. Dankzij het gebruik van mooie overgangen en fraaie effecten oogt het resultaat zeer professioneel. Het kost je bovendien geen cent, want je installeert deze zeer uitgebreide videobewerker gratis op een Windows-computer.

Tegenwoordig liggen er best wat goede gratis videobewerkers voor het oprapen. Zeker wanneer je geen torenhoge eisen aan de videomontage stelt, heb je niet per se een betaald programma als Adobe Premiere Elements of Magix Video Deluxe nodig. Zo krijg je met het gebruiksvriendelijke VSDC Free Video Editor al een heleboel voor elkaar. In tegenstelling tot diverse gratis alternatieven voegt dit programma geen lelijk watermerk toe aan jouw film. Deze freeware heeft daarnaast een verrassend uitgebreide gereedschapskist.

Videobewerker installeren

VSDC Free Video Editor heeft relatief lage systeemeisen. Zeker voor video’s tot een resolutie van 1920 × 1080 pixels heb je geen supersnelle pc of laptop nodig. Wil je haarscherpe 4K-video’s bewerken? In dat geval adviseren de makers een systeem met 8 of 16 GB werkgeheugen. Daarnaast is een krachtige processor met meerdere rekenkernen geen overbodige luxe.

Particulieren mogen VSDC Free Video Editor voor nop installeren. Ga naar de site via www.kwikr.nl/vsdc en download het installatiebestand. Je hebt keuze tussen de 32bit- en 64bit-versie. De meeste computers kunnen met de 64bit-versie uit de voeten. Dubbelklik op het gedownloade exe-bestand en doorloop de stappen van de installatie. 

Nieuw project starten

Zodra je de videobewerker voor de eerste keer opstart, verschijnt er een pop-upvenster met een aanbeveling voor de betaalde Pro-versie (zie kader). Je klikt dat via het kruisje weg. Laat de ietwat drukke gebruikersomgeving even op je inwerken. Het beginscherm toont diverse instructies voor geavanceerde bewerkingen. Laat die als beginnende gebruiker links liggen. Je kunt wel alvast even de tabbladen doornemen, want die herbergen verschillende bruikbare functies.

Je gaat nu eerst een nieuw (video)project starten. Klik op het tabblad Projects en daarna op New project. Er verschijnt een nieuw venster waarin je diverse instellingen voor de videomontage kunt bepalen. Het belangrijkste is de waarde achter Resolution. Voor een scherp beeld en soepele montage laat je de huidige waarde van 1920 × 1080 pixels (16:9) staan. Filmt jouw smartphone of videocamera in een hogere resolutie, dan kun je een andere waarde overwegen. Laat de overige opties ongewijzigd. Je typt achter Project title een relevante projectnaam en kiest onderaan voor Blank project. Bevestig tot slot met Finish.

Video’s toevoegen

Nu ga je met het zojuist aangemaakte videoproject aan de slag. Merk op dat het tabblad Editor is geopend. Je zit nu dus in de videobewerker. Zoals je ziet, zijn er flink wat opties beschikbaar. Laat je hierdoor niet afschrikken, want we nemen de basisfuncties stap voor stap met je door.

Je dient eerst relevante videoclips aan het programma toe te voegen. Gunstig is dat VSDC Free Video Editor alle bekende beeldformaten ondersteunt. Klik bovenaan in de werkbalk op Add object / Video en navigeer naar de map met de bestanden. Je selecteert één of meer video’s, waarna je bevestigt met Openen / OK. Wanneer je minimaal twee fragmenten toevoegt, kies je Add to layer.

De videoclips verschijnen allemaal in de tijdlijn onderaan het venster. Deze tijdlijn is belangrijk, want die bepaalt welke momenten er in de uiteindelijke film terechtkomen. Verder kun je hieraan bijvoorbeeld ook titels, overgangen, speciale effecten en audiotracks toevoegen. Vind je de tijdlijn te klein? Je kunt dit onderdeel eenvoudig vergroten. Zweef onder Layer 1 op de scheidslijn totdat er een dubbele pijl verschijnt. Beweeg de muis nu met ingedrukte muisknop omlaag. In VSDC Free Video Editor pas je op soortgelijke wijze de grootte van alle deelvensters aan. Kortom, richt op die manier het bewerkvenster naar eigen wens in.

Volgorde clips wijzigen

Waarschijnlijk heb je een bepaalde volgorde voor de videoclips in gedachten. Geen probleem, want je kunt de clips op de tijdlijn verplaatsen. Sleep het beoogde fragment met ingedrukte muisknop één laag omlaag. De overgebleven video’s schuif je daarna naar links of rechts. Creëer op die manier een ‘gat’ en sleep het fragment ernaartoe. Het is belangrijk dat er geen loze ruimtes op de tijdlijn achterblijven. Anders zie je namelijk zwart beeld.

Scènes inkorten

Vanzelfsprekend wil je alleen boeiende scènes in de film tonen. Saaie passages snijd je daarom resoluut weg. Dat doe je door een videoclip in te korten. Gebruik hiervoor wederom de tijdlijn. Selecteer een fragment en beweeg de rode schuifregelaar naar deze clip. Het bijbehorende beeld verschijnt nu in de voorbeeldweergave. Vind je dit beeld te klein? Klik dan helemaal rechtsonder in het programma op het kleine plusteken. Je past daarmee het zoomniveau aan. Klik nu onder de voorbeeldweergave op de rode afspeelknop (PijltjeRechts) om de video te starten. Begint of eindigt het saaie gedeelte? Via dezelfde rode knop (twee verticale streepjes) pauzeer je de video.

Inkorten is vrij eenvoudig. Een geselecteerde videoclip heeft op de tijdlijn aan weerszijden twee piepkleine vierkanten. Klik daarop en houd de muisknop ingedrukt. Beweeg de muis nu naar links of rechts tot de rode schuifregelaar. Laat de muisknop als laatste los. Het fragment is nu een kopje kleiner gemaakt! 

Fragmenten splitsen

Je kunt een lang fragment ook in twee (of meer) delen opsplitsen. Dat is nuttig wanneer je deze videootjes op verschillende momenten in de film wilt tonen. Selecteer in de tijdlijn een videoclip en bepaal met de rode schuifregelaar een geschikt ‘splitmoment’. Overigens kun je met de mediaknoppen onder de voorbeeldweergave dit moment heel precies bepalen. Spoel bijvoorbeeld een seconde voor- of achteruit. Het is zelfs mogelijk om een video frame voor frame door te nemen. Staat de rode schuifregelaar exact op de goede plek? Klik dan in de werkbalk boven de tijdlijn op het pictogram met de twee rode haakjes. Je ziet vervolgens twee aparte clips.

Roteren en bijsnijden

Soms is het noodzakelijk om een video negentig graden te roteren, omdat het beeld in VSDC Free Video Editor is gedraaid. Gelukkig herstel je deze ‘fout’ simpel. Je selecteert in de tijdlijn de juiste video en klikt helemaal bovenaan bij de sectie Tools op het pictogram met de gebogen pijl. De video draait meteen.

Staat er een ongewenst persoon, lelijk logo of storend object in beeld? Gooi de videoclip dan nog niet weg! Je kunt het fragment namelijk nog bijsnijden. Beslis welk deel van de video je wilt gebruiken en gooi het overtollige beeldmateriaal weg. Je klikt met de rechtermuisknop op een videoclip in de tijdlijn en kiest Crop tools / Custom region. Bepaal in het nieuwe venster welk deel uit beeld moet verdwijnen. Je regelt dat door de zwarte vierkantjes aan de randen van de voorbeeldweergave te verslepen. Tevreden? Met OK voer je de actie definitief uit.

Nuttig om te weten is dat je met deze functie de oorspronkelijke resolutie verkleint. Zeker wanneer je de uiteindelijke film op een grote televisie of pc-monitor bekijkt, zie je mogelijk korrelige beelden. Snijd daarom liever niet te veel beeldmateriaal weg.

Video-effecten

Wie dat wil, gaat in deze videobewerker helemaal los met speciale effecten. Klik maar eens bovenaan in de werkbalk op Video effects. Er verschijnt een uitgebreid menu. Voordat je iets uitkiest, selecteer je eerst een clip op de tijdlijn. Via Quick styles pas je heel makkelijk een effect toe, omdat hiervoor geen extra instellingen zijn vereist. Laat de video bijvoorbeeld op een gedateerde film uit de jaren ‘70 lijken of pas automatisch de contrastwaarden aan.

Wil je zelf meer invloed op in hoeverre het programma een video-effect toepast? Bij veel filters stel je naar eigen inzicht de intensiteit in. Bekijk hiervoor de mogelijkheden via Video effects / Adjustments. Zo wijzig je onder andere de kleurverzadiging en helderheid. Daarnaast kun je ook een stijlvol sepia- of zwart-wit-effect op de video loslaten. Zodra je eenmaal iets hebt gekozen, pas je in het deelvenster Properties window aan de rechterkant de waarden aan. Als je dit deelvenster niet ziet, klik je achtereenvolgens op het tabblad View en Properties. Tot slot zijn ook de video-effecten binnen de rubrieken Filters en Nature de moeite waard. Spijt van een bepaalde keuze? Met de sneltoets Ctrl+Z maak je de laatste handeling weer ongedaan. Experimenteer er dus lustig op los!

Overgangen

Tijdens de montage van een video ontkom je eigenlijk niet aan het gebruik van overgangen. Doe je dat niet, dan lopen de fragmenten nogal abrupt in elkaar over. Dat is onprettig voor de kijker. Met een overgang wordt een nieuwe videoclip op subtiele wijze geïntroduceerd.

Klik in de tijdlijn op de videoclip waarbij je aan het einde een overgang wilt toevoegen. Je opent zo nodig eerst het tabblad Editor en navigeert daarna naar Video effects / Transitions. Probeer nu één van de beschikbare overgangen uit. Zo laat je het oude fragment bijvoorbeeld in vlammen opgaan (Paper burn) of in scherven uit elkaar vallen (Shattered glass). Kies een overgang en controleer in het pop-upvenster of de optie To the end of scene is geselecteerd. Klik op OK.

Merk op dat er op de tijdlijn een verse laag met de gekozen overgang verschijnt. Klik op de rode afspeelknop onder de videoweergave om de overgang te bekijken. Je past in het eigenschappenvenster aan de rechterkant diverse zaken aan, waaronder de tijdsduur en transparantie.

Geluid

De audiokwaliteit van zelfgeschoten video’s is vaak matig. Stond er toentertijd tijdens de opname een stevig briesje, dan hoor je waarschijnlijk voornamelijk windgeruis. Zet het geluid van dergelijke videoclips daarom gewoon uit. Klik in de tijdlijn op een fragment om de bijbehorende eigenschappen aan de rechterkant te tonen. Verschijnt dat niet, dan klik je op View / Properties. Je scrolt zo nodig een stukje omlaag totdat je de optie Audio track tegenkomt. Klik achter Track 1 op het kleine pijltje en kies Don’t use audio.

Je kunt eventueel zelf audio aan de videomontage toevoegen, zoals achtergrondmuziek of een voice-over. Klik zo nodig op het tabblad Editor en kies Add object / Audio. Je selecteert nu pakweg een mp3-, wma-, wav- of flac-bestand op de computer. Via Openen / OK belandt de audiotrack als nieuwe laag op de tijdlijn. Kies een geschikte plek en pas diverse eigenschappen in het Properties window desgewenst aan. Denk hierbij onder meer aan de snelheid en het volumeniveau.

Film opslaan

Deze workshop is slechts een bescheiden introductie van VSDC Free Video Editor. Je kunt namelijk nog veel meer met deze veelzijdige videobewerker doen. Ga er dus vooral ook zelf mee stoeien. Ben je eenmaal klaar, dan sla je het resultaat op. Je kunt de film daarna op verschillende schermen bewonderen.

Klik in de werkbalk op het tabblad Export project en speel zekerheidshalve de volledige videomontage nog eens af. Ben je helemaal tevreden, dan geef je in de werkbalk het gewenste videoformaat aan. Kies bijvoorbeeld voor mp4, mkv, mov, flv of mts. Het is ook mogelijk om de film op een dvd te branden. Wijzig via Change name zo nodig de bestandsnaam en opslaglocatie. Je bevestigt bovenaan ten slotte met Export project / Continue.