Взрывной рост потоковой передачи видео требует эффективной доставки контента высокого качества. Медиакомпании используют искусственный интеллект (ИИ) и адаптивное кодирование контента (CAE) для оптимизации полосы пропускания, снижения затрат и повышения качества просмотра. CAE динамически регулирует параметры кодирования в зависимости от сложности видео, повышая эффективность потоковой передачи.
В период с 2015 по 2018 год компания Netflix внедрила CAE, достигнув более чем 30% снижения битрейта без потери качества (измеряемого по VMAF). В отличие от равномерного сжатия, CAE динамически оптимизирует параметры для каждого сегмента. Более простые сцены получают более низкий битрейт, в то время как сложные сцены получают более высокий битрейт для поддержания качества. Первоначально CAE был вычислительно дорогостоящим, но достижения в эвристических решениях и методах на основе ИИ предлагают почти оптимальные результаты при меньших затратах, что позволяет осуществлять потоковую передачу в реальном времени.
Системы кодирования на основе машинного обучения дополнительно совершенствуют CAE, обеспечивая оптимизацию параметров в реальном времени. ИИ предсказывает параметры (битрейт, CRF, VBV), анализируя сложность кадр за кадром. VisualOn Optimizer, система CAE на основе машинного обучения, использует извлечение пространственных и временных признаков для классификации сегментов видео и определения эффективных параметров кодирования. Обратная связь в реальном времени обеспечивает оптимальное качество и битрейт.
Такие платформы, как Netflix, YouTube и Amazon Prime Video, используют CAE и кодирование на основе ИИ. Исследование Netflix показывает, что кодирование на основе ИИ снижает использование данных на 20–30% без потери качества. Кодеки Google с улучшенным ИИ снижают полосу пропускания до 30%. Для потоковой передачи в реальном времени ИИ динамически адаптируется к условиям сети, снижая показатели повторного буферизации до 50%.
Адаптивное кодирование контента на основе ИИ революционизирует доставку видео. Оно снижает полосу пропускания, уменьшает затраты, повышает масштабируемость (особенно для живых событий) и повышает удовлетворенность зрителей. Постоянная разработка однопроходного кодирования на основе ИИ и адаптивных систем в реальном времени будет дополнительно совершенствовать эффективность потоковой передачи, обеспечивая высокое качество видео во всем мире.