系統會自動將所有的鏡頭，包括多個角度拍攝的畫面，按照我們意愿的腳本進行組織，然后還可以根據需求找到指定的內容。

然后，這套程序就可以準確的識別出這些剪輯的內容，系統利用面部識別和情緒識別系統，對每一幀畫面進行分析。比如程序會標記某個鏡頭是廣角鏡頭還是特寫鏡頭，以及鏡頭中都包含了哪些人物和角色。

在所有的元素都可以被組織之后，系統會按照不同的風格和習慣對視頻進行剪輯和處理，并且對某種風格貼上標簽。而如果某個風格是最常用的，那么下一次再自動剪輯的時候，只要貼上這個標簽，就會自動按照事先設定好的風格剪輯。

另外視頻編輯器還可以自動對廣角鏡頭、特寫鏡頭以及一些節奏比較快的鏡頭進行分類和穿插，并且能夠保持鏡頭的風格擁有一致性。

這些編輯的風格都可以被保存下來，然后隨之時間的推移會自動完善，同時通過預設的編輯按鈕來生成視頻。如果對某些部分不滿意，還可以手動快速調整。

這套程序通過人工智能技術加速了視頻編輯的過程，同時還可以人為的設定編輯環境，達到某種風格的特殊要求。不過研究人員也承認目前這套系統還存在明顯的缺點，比如整個系統都是基于對話而設計，未來還需要進一步的完善，能夠根據動作來進行組織。同時該套系統目前還不能防止連續性的剪輯錯誤。

這項研究由斯坦福大學和Adobe研究院共同研發，成果將發表在7月份ACM圖形雜志上。