AI赋能媒体工作流程案例-IBM Watson Media

理解视频内容对于媒体公司来说是一个重大挑战。最大的障碍在于视频中的数据大部分是非结构化的,需要复杂的分析。在激烈的竞争环境中,媒体和娱乐公司必须对视频内容有更新更深入的理解,以满足消费者和广告商的需求。人工智能技术可以为流媒体服务提供竞争优势。本次我们关注IBM Watson Media如何为行业关键问题提供了有价值的解决方案。

IBM Watson Media提供了将人工智能融入到整个媒体工作流程或视频库中去的解决方案--挖掘提高收益,观众参与度,内容表现力和广告收入等的机会。其客户通过IBM Cloud使用Watson Media的服务,扩展其视频资产价值。以下是一些IBM Watson的认知功能可以提高流媒体各个方面影响和效率的方法:

1. 内容搜索与发现:在大海中捞针

对于内容的生产团队来说,最大的资源消耗就是手动扫描储存的镜头以找到相关的内容。通过利用丰富的元数据,IBM Watson Media加快了这一过程,使得视频更加易于搜索,从而使编辑人员能够更快地发现和使用现有的内容资产。

2. 个性化建议:使用更详细的数据达到更好的内容匹配

在今天的流媒体世界中,在正确的时间向正确的观众提供正确的内容至关重要。为了满足消费者对相关节目的需求,流媒体服务必须提供非常具体的内容推荐。通过丰富的元数据深入洞察视频内容,IBM Watson Media让媒体公司能够更好理解视频内容。这使得流媒体服务能够通过分析这些详细的数据来改善他们提供给用户的推荐引擎,以找到更好的匹配。随着个性化的增加,流媒体服务可以优化观众体验并且减少用户流失。

3. 亮点剪辑:换个方式看视频

IBM Watson Media可以近乎实时地识别视频素材中最激动人心的部分。这一功能对于动作丰富的体育赛事至关重要。在美国网球公开赛中,IBM Watson Media帮助视频编辑者快速地打包和分发精彩片段。认知技术可以根据选手移动,比赛数据和人群噪声自动识别令人兴奋的时刻。通过简化创建精彩片段的流程,IBM Watson Media帮助确保粉丝不会错过任何动作。

4. 智能隐藏字幕:与之相关的是什么?

媒体公司依靠从语音到文本的技术来提供近乎实时的评论记录。然而,隐藏字幕可能是不准确的,尤其是在需要了解特定术语的体育赛事期间。认知功能通过解锁视频内容来应对这些挑战。例如,IBM Watson能够理解浪漫的"love"(爱)和网球比赛中的"love"(零分)之间的区别。对视频背景的理解使得Watson能够为诸如美国网球公开赛等现场直播的赛事提供更准确、更智能的字幕。

5. 合规性监测:不要让视频出错

需要遵守有关显式内容或产品布局方面法规的服务提供者和广告商可以使用人工智能技术作为支持其规范化工作的资源。内容生产团队可以使用人工智能来帮助他们履行遵守规范的义务,而不是通过手动挖掘镜头去标记暴力或者反动言论。通过利用丰富的元数据来了解视频中的元素,IBM Watson Media可以帮助识别需要被筛选出来以供批准的特定内容。

美国网球公开赛的应用案例

美国网球公开赛第8天胡安·马丁·德尔波特罗对多米尼克·蒂姆的比赛,铁杆球迷们可能会兴奋不已,但是对于普通的爱好者而言,并不是一场必看的比赛。很少有人认为排名第24的德尔波特罗能够取胜。但是当他打出美国网球公开赛历史上最好的复出赛之一的时候,每个人都想看看他到底是怎么做到的。

IBM Watson对美国网球公开赛的支持让观众在短短几分钟内实现了愿望。Watson在今年公开赛每场比赛结束后的五分钟内组装一个精彩视频片段,使球迷能够比前几年早两到十个小时看到比赛的亮点和关键时刻。这个事件标志着IBM Watson Media正式启动,这是一个利用Watson领先的人工智能功能来满足广播公司和观众未来需求的新业务部门。Watson使用认知亮点剪辑技术观看并分析视频。通过使用各种API来确定关键时刻,Watson可以快速组装直播赛事的精彩片段集锦。该功能首先在2017年4月的高尔夫大师赛中以测试版的形式出现,用于展示为期四天的比赛时间中出现的戏剧性片段。

同样戏剧性的还有Watson的机器学习能力在从高尔夫大师赛到网球公开赛之间的五个月期间取得的进步。"我们接收现场卫星传送的数据,然后使用诸如人群噪声(无论使正面还是负面)来确定哪些时刻是激动人心的,哪些时刻不那么激动人心",Watson Media的高级产品经理David Kulczar表示,"我们可以看到什么时候有人兴奋地挥舞拳头,或者是开心地露出笑容。从这些地方,我们可以对片段的精彩程度进行排序。"对于Watson来说,认知亮点剪辑是一种新的机器学习方法。去年Watson就提供了即时隐藏式字幕,意味着它能够理解网球术语间的细微差别,包括"love"(零分)和"ace"(球)等容易混淆的术语。

从隐藏字幕到亮点剪辑,Watson依赖于复杂的深度学习算法。实质上,程序员需要教会系统理解表情和肢体语言背后的含义。例如,如果运动员微笑着将双手举过头顶,他们很可能处于兴奋的状态。但是,如果他们做鬼脸并且遮挡头部,就很可能心情不佳。

除了分析在2017年美国公开赛期间收集的320小时的视频来寻找最激动人心的时刻之外,Watson还从用于测量发球速度和球位置的侧边装置中获取统计信息。用这些信息武装Watson,使得一些观众没有注意到的特别有力的发球,也能被标记为精彩时刻。一旦比赛结束,Watson审查它所标记的比赛时刻,选取最好的并且创建比赛的视频回顾。"这是体育赛事精彩回放的下一代,"Watson Media产品销售和市场战略主管Pete Mastin说,"Watson所做的,不是剪辑一个20秒的镜头,而是创建一个90秒的比赛总结。"

快速为体育赛事创建精彩剪辑和字幕只是IBM Watson Media改变广播媒体的开始。Kulczar说,最终,Watson Media可以帮助广播公司为它们的非体育内容添加字幕和创建剪辑--甚至可以保证最终内容符合当地和国家的法律。各国在对语言和色情内容的处理方面有不同的规则,这对于在全球范围内联合播出节目的网络而言是一个挑战。确保每个片段符合当地标准是个需要消耗大量时间的任务。Watson Media的目标是实现这一过程的自动化,为广播公司节省金钱和时间(并使监管者安心)。实时处理带来新的挑战,任何Watson可以应用到体育赛事中的能力,无论是亮点剪辑,即时隐藏字幕制作还是一些目前还没有想到的任务,都不得不在瞬间完成。"体育赛事直播是一个更加棘手的挑战,因为你必须担心给过程引入延迟,"Kulczar说,"我们必须确保我们的系统表现得足够好,不给合作伙伴或赛事引入延迟。"

总结来看,媒体公司需要人工智能技术来应对紧迫的行业挑战,IBM Waston Media展示出了AI赋能视频的潜力。

原文发布于微信公众号 - 媒矿工厂(media_tech)

原文发表时间:2018-02-14

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI科技评论

百度IDL主任林元庆解读:人工智能技术研发的四大支柱

近日,百度深度学习实验室主任林元庆在百度年终媒体分享会上做了《看懂AI-百度技术开放日》的演讲,从客观层面阐述了人工智能技术研发的四大支柱,为我们呈现了让人工智...

34713
来自专栏人工智能头条

大数据的机遇与挑战:清华、复旦、中科院、春雨移动及考拉征信专家的观点

1214
来自专栏腾讯研究院的专栏

智能监控面临更大挑战 大数据处理需改善

在智慧城市、平安城市大的发展潮流下,人们对于自己居住的环境要求也逐渐提升,不少消费者开始关注家庭级安防产品,一方面是应对用户日渐苛刻的需求,而另一方面也是减少...

3458
来自专栏AI科技大本营的专栏

重磅 | 奖金200万,千万数据规模,创新工场搜狗今日头条联合发起迄今国内最大AI挑战赛(附详细赛事说明)

文/周翔 编辑/鸽子 上月,举办了八届的 ImageNet 挑战赛由创始人之一李飞飞博士正式宣布退出历史舞台。虽然 ImageNet 走了,但是今日下午(8 月...

3466
来自专栏钱塘大数据

八大观点,解读大数据

导读:什么是大数据?最常引用Victor的4V理论,大量(Volume),快速(Velocity),种类多(Variety),价值(Value),但究竟多大是大...

3078
来自专栏新智元

【AI版摩尔定律】10张图盘点计算机视觉、语音和文本理解里程碑

【新智元导读】 现在的AI发展到什么水平了?我们总说“超越人类水平”,有没有一个量化的标准,来让我们理性的认识AI发展水平,刺破火热AI的迷雾?电子前沿基金会 ...

3044
来自专栏黑白安全

信息时代的两极:重数量的百度,重质量的知乎

这几天,但凡观看世界杯的人想必都在央视看到了知乎的广告,有意思的是,知乎将广告主题定为了“有问题,上知乎”,这不禁让人想起了百度已经使用了13年的广告语“百度一...

604
来自专栏人工智能头条

微软自拍应用一键美颜背后的人工智能技术(附论文下载)

2137
来自专栏新智元

【质疑AI泡沫】当我们谈论机器学习时,我们究竟在说些什么

【新智元导读】当下“机器学习”或者说“人工智能”过热,虽然在所难免,但作者指出,媒体、投资人尤其应该具有怀疑的精神,任何声明都需要有证据支撑。如今人工智能仍处于...

4769
来自专栏新智元

【干货】微软资深研究员展望机器学习10年趋势

【新智元导读】Vowpal Wabbit 的主要开发人员、微软研究院资深研究员John Langford今天在Quora上谈了他对机器学习未来10到30年的展望...

3405

扫描关注云+社区