إن النمو الهائل في بث الفيديو يتطلب توصيل محتوى عالي الجودة بكفاءة. تستغل شركات الوسائط الذكاء الاصطناعي وترميز التكيّف مع المحتوى (CAE) لتحسين عرض النطاق الترددي، وخفض التكاليف، وتعزيز تجربة المشاهد. يقوم ترميز التكيّف مع المحتوى بضبط معلمات الترميز ديناميكيًا بناءً على تعقيد الفيديو، مما يحسن كفاءة البث.
بين عامي 2015 و 2018، كانت نتفليكس رائدة في مجال CAE، محققةً انخفاضًا في معدل البت بنسبة تزيد عن 30٪ دون فقدان للجودة (مقاسةً بواسطة VMAF). على عكس الضغط المنتظم، يقوم CAE بتحسين الإعدادات ديناميكيًا لكل جزء. تتلقى المشاهد البسيطة معدلات بت أقل، بينما تتلقى المشاهد المعقدة معدلات بت أعلى للحفاظ على الجودة. كان CAE الأول مكلفًا من الناحية الحسابية، لكن التطورات في الحلول الاستدلالية والأساليب القائمة على الذكاء الاصطناعي توفر نتائج قريبة من المثالية بتكاليف أقل، مما يُمكّن البث المباشر.
تقوم أطر الترميز القائمة على التعلم الآلي بتحسين CAE بشكل أكبر، مما يُمكّن من تحسين المعلمات في الوقت الفعلي. يتنبأ الذكاء الاصطناعي بالإعدادات (معدل البت، CRF، VBV) من خلال تحليل تعقيد الإطار تلو الآخر. يستخدم VisualOn Optimizer، وهو إطار عمل CAE قائم على التعلم الآلي، استخراج الميزات المكانية والزمانية لتصنيف أجزاء الفيديو وتحديد معلمات ترميز فعالة. تضمن الملاحظات في الوقت الفعلي الجودة ومعدل البت الأمثل.
تستخدم منصات مثل Netflix و YouTube و Amazon Prime Video ترميز CAE والترميز القائم على الذكاء الاصطناعي. تُظهر دراسة أجرتها Netflix أن الترميز المدعوم بالذكاء الاصطناعي يقلل من استخدام البيانات بنسبة 20٪ إلى 30٪ دون فقدان للجودة. تعمل مدمجات جوجل المعززة بالذكاء الاصطناعي على تقليل عرض النطاق الترددي بنسبة تصل إلى 30٪. بالنسبة للبث المباشر، يتكيف الذكاء الاصطناعي ديناميكيًا مع ظروف الشبكة، مما يقلل من معدلات إعادة التخزين المؤقت بنسبة تصل إلى 50٪.
يُحدث ترميز التكيّف مع المحتوى المدعوم بالذكاء الاصطناعي ثورة في توصيل الفيديو. فهو يقلل من عرض النطاق الترددي، ويخفض التكاليف، ويحسن قابلية التوسع (خاصةً للأحداث المباشرة)، ويعزز رضا المشاهد. سيؤدي التطوير المستمر للترميز أحادي المرور القائم على الذكاء الاصطناعي وأطر التكيّف في الوقت الفعلي إلى تحسين كفاءة البث بشكل أكبر، وضمان جودة عالية للفيديو في جميع أنحاء العالم.