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。