工作流程自动化、增强个性化和重新利用现有内容的机会令人兴奋，这意味着 AI 在流媒体领域有着非常光明的前景。
如果您对 AI 在广播和流媒体领域的启示性潜力仍心存疑虑，那么读一读 Haivision (低延迟视频流媒体和视频编码解决方案的提供商）发布的 2024 Broadcast Transformation Report(2024广播转型报告) 就会释然。该报告采访了 814 位来自各种广播和媒体服务及技术领域的参与者，其中的大量统计数据表明，AI 应用的发展前景十分广阔。
Haivision 广播转型报告 2024在当前情况下，对于广播公司来说，AI 的优先级低于实现远程制作或向 IP 过渡；但这种情况不会持续太久。事实上，60% 的参与者预测 AI 将成为未来五年对行业影响最大的技术，49% 的参与者计划在其工作流程中使用或已经使用 AI 。鉴于这超过了 5G 和 4K/UHD 等重大技术的预期影响，AI 在专业媒体中的重要性可见一斑。
此外，在对 AI 实施预期效益的调查中，流媒体应用的优势也占据了重要地位。其中包括通过自动化提高效率和生产力（41% 的受访者提到）、优化图像和比特率（31%）以及提供个性化观看体验（13%）。
因此，毫不奇怪，对流媒体技术专家进行的一系列采访揭示了人们对一系列基于 AI 的应用程序的见解和兴奋，这些应用程序似乎将带来重大的改进和效率。
个性化和重新利用Joe Claypool 是 MediaKind 的客户工程副总裁，该公司是一家编码、解码和流处理专家。他将人工智能迄今为止对媒体的影响速度描述为“惊人的”，并指出它已经“改变了音频生成、隐藏式字幕和自动创建亮点等流程”，并通过使用 NLP（自然语言处理）来获取有关复杂系统的实时状态更新并直观地导航用户界面，从而提高了运营效率。
MediaKind 的做法是“稳步整合”其运营和服务中的人工智能和机器学习 (ML)，早期的进展包括部署 ML 以实现各种格式和分辨率的上转换。最近，Claypool 表示：“MediaKind 推出了基于人工智能的赞助商徽标检测，这是一种准确跟踪和量化屏幕曝光的宝贵工具，它简化了计费流程并最大化了媒体客户的赞助价值，尤其是在体育领域。这些人工智能驱动的分析意味着广告策略可以通过精确的观众数据进行优化。此外，编码器比特率管理中的人工智能驱动优化进一步增强了公司以更低的数据成本提供一流视频质量的声誉。”
在 IBC2024 上，MediaKind 推出了一项 AI 管道服务，允许客户使用领先的 AI 模型来控制和自动化工作流程。该公司还宣布与 ThinkAnalytics 建立战略合作伙伴关系，让客户能够从增强的个性化内容发现、GenAI 功能和有针对性的广告产品中受益。
展望未来，克莱普尔认为个性化、自动化和内容再利用是流媒体服务中“关键”的人工智能驱动机会。在个性化方面，他指出最近与 NBA 合作的一个项目，旨在帮助联盟在欧洲扩张，确保当地球迷能够看到更多喜爱的球员，如斯洛文尼亚的卢卡·东契奇和塞尔维亚的尼古拉·约基奇。
在自动化方面，MediaKind 最近宣布推出 MK.IO 流控制和 AI 辅助自动化，这是一种简化内容工作流程并自动处理路由、配置和处理的 API。然后，对于内容再利用，Claypool 表示，该公司正在使用 AI“为传统内容注入新的活力，将标清升级为高清，并通过将旧媒体体验提升到现代高质量标准来开辟新的收入来源。”
预计体育赛事仍将是重点关注对象，因为它对整个流媒体领域至关重要。“我们在体育组织方面取得了很多成功，我们将继续研究如何重塑和简化体育内容的创作、交付和消费方式，”Claypool 说道。“MediaKind 自适应工作流程工具让体育组织无需投入时间和金钱来构建或定制集成此类解决方案。[因此]他们可以专注于结果，并确定要问的正确问题和适合其目标的正确 AI 工具。”
流效率Media Excel 是支持 Haivision 报告断言“图像和比特率优化”将成为 AI 实施的关键优势的公司之一，该公司选择在 IBC 2024 上展示其基于 AI 的全新 DIVA（动态智能视频自适应）编码技术。DIVA 对传入的视频流进行实时分析，动态调整编码设置并优化编解码器性能。据该公司称，该技术实现了“无与伦比”的视频质量，同时将流式 HEVC 编码视频内容的带宽使用量减少了“20% 或更高”。
Media Excel 首席执行官 Narayanan Rajan 表示：“我们通过尖端深度学习模型利用人工智能的方法非常务实。我们的目标是提供最佳视觉质量，同时大幅降低大规模流媒体视频的成本。随着越来越多的内容所有者直接向消费者流媒体播放，云出口和 CDN [内容交付网络] 分发成本开始主导 TCO [总拥有成本]，这一点变得更加关键。”
在新技术的白皮书中，Media Excel 深入介绍了其基于人工智能的深度学习的应用，该技术首先分析各种内容，以了解视频的特征并对其进行建模。通过这一过程，该公司旨在创建一个与示例解决方案非常相似的参考（标记）数据集，从而能够为具有各种不同属性的视频找到最佳编码参数值。该数据集与深度学习技术的结合产生了一个模型，该模型能够根据内容的实际特征找到最佳的编码设置。
“我们在这里要问的问题是，‘如何在目标比特率附近使用 AI 来最大程度地提高视频质量？’因此，这不是纯粹的 VBR [可变比特率]，而是确保比特进入正确的位置，同时使下游的所有内容也能很好地工作。你在分配比特方面非常聪明。但还有 [整个维度] 围绕特定目标比特率关注质量，为此，我们基于对大量不同内容的训练为此建立了模型。”
目前，拉詹认为，当一个组织以相当大的规模运营时，基于人工智能的流媒体优化的好处通常最容易获得。“但我们也认为，[随着效率的提高] 12 到 18 个月后情况会有所不同，谁能从中受益的格局将在图表上向左移动，因此它包括大规模和小规模。”
他还对探索改进领域的可能性感到兴奋，例如自适应降噪、图像恢复、HDR 色调映射转换以及“预处理方面的”一系列任务。同样，这将由强调务实的态度推动，我们正努力为客户创造价值，以便他们能够在自己的业务中创造价值。
事实上，最后这句话可以说适用于整个流媒体领域人工智能的当前叙述。总体而言，自动化在效率、个性化和本地化方面带来了谨慎但明显的改进，但不会增加公司现有的工作量。当然，现在还为时过早，随着时间的推移，我们很可能会看到更多激进的用例和应用出现，包括围绕内容重新利用。但就目前而言，已经有大量创新解决方案可供最终用户探索和启发。
作者：David Davies译自：https://www.ibc.org/features/ai-in-streaming-investment-set-to-soar-as-new-applications-solidify/12318.article
