機器學習激發智能内容普及,智能影像生産技術将成為關鍵之一
發表時間:2019-09-17 04:22:46 作者:雕刻機

據techcrunch外媒報道稱,機器學習技術将促使“算法生成新聞提要和内容推薦”的應用普及,而用戶ugc和自動内容創建技術将有助于未來新聞内容的個性化、智能化。

專注于智能系統和個性化技術的yle産品負責人jarno m. koponen表示,“可見,下一階段内容将是根據消費者的偏好和情緒量身定制,軟件自主生成的故事,根據用戶數字足迹,個人偏好,自然語義理解等綜合人工智能技術的運用,将對包括新聞文章,實時視頻、流媒體服務的熱門劇集等内容題材進行自動化的軟件生成”。

國内專注于智能影像生産技術的影譜科技表示,“影像内容将是繼文字、圖片之後的主要信息載體,随着信息視頻化提速,影像内容産制播将進一步向個性化和智能化演進,智能影像與機器影像并存。”

從智能推薦到更智能的内容

當用戶使用youtube,facebook時,谷歌,亞馬遜, 推特, netflix或spotify算法會選擇推薦與用戶相關的個性化内容。但到目前為止,每個人的内容體驗本身大同小異,如向不同用戶推薦同一篇新聞文章,直播視頻或電視劇集,此類用戶都會閱讀并觀看相同的内容,體驗相同的内容。

但随着智能化内容的出現,這即将改變。很快,用戶将看到新形式的智能内容,這是由于用戶個性化需求追蹤、機器學習技術和内容本身以無縫方式組合,以創建個性化的内容體驗。

什麼是智能内容(智能影像)

智能内容意味着内容本身受到閱讀或視聽内容的影響,根據人工智能技術、用戶個性化需求追蹤、機器學習技術等創建一個有别于物理世界的内容,可以是音視頻或文字圖像,内容本身會根據批量用戶或單個用戶而變化。

我們已經看到了這個領域的第一批先行者。tiktok整個内容體驗是由短視頻、視聽内容序列驅動的,如果用戶願意,通過算法訂購和編織在一起。每個用戶根據觀看曆史和用戶個人資料看到不同的個性化 “整體”。

與此同時,netflix最近開始測試新形式的互動内容(電視劇集,例如black mirror:bandersnatch),其中用戶自己的選擇直接影響内容體驗,包括對話和故事情節。還有更多正在進行中。通過love death&robots系列,netflix正在嘗試系列中的劇集順序,以不同的順序為不同的用戶提供劇集。

交互式視聽内容早期應用于體育賽事流媒體,用戶可以決定遵循哪個特定流以及她如何與現場内容交互,例如,重繞流并基于她自己的興趣發現關鍵時刻。

同時,我們看到機器學習技術用于創建想象的人,生物和場景的影像。當前系統可以重建和改變整個視頻,例如通過改變視頻結構,場景,光照,環境或中心人物。此外,影譜科技表示,ai智能影像解決方案能夠生成不同類型的視頻。

現在,tiktok的個人短片将通過ai智能影像系統自動選擇個性化效果,而整個視頻可以根據用戶量身定制重制。或者,netflix的交互式内容中的選項會影響情節曲折,對話甚至是音軌、視頻幀,這些選擇是根據用戶喜好自動生成的。

事實上,智能影像解決方案在流媒體領域的充分應用在推動“個性化的智能内容将成為新聞”。影譜科技表示,其自動化内容生産系統采用nlp技術、自研的mape生産引擎,可以大規模生成中短易懂、甚至創新的新聞可視化内容。目前,媒體公司使用其自動内容創建系統或“機器人記者”來創建從完整文章到視聽剪輯和可視化的新聞材料。通過内容霧化(将内容分解為小的模塊化信息塊)和機器學習,可以大量增加内容生産以支持智能内容創建。

如何創建包含不同體驗的智能内容(智能影像)

内容本身被視為一個疊代和可配置的商品或過程,而不是在發布時完成的現成靜态整體。

重要的是,内容體驗的核心構建發生了變化:智能内容由霧化的模塊化元素組成,可以根據不同的規則對其進行修改,更新,重新混合,替換,省略和激活。此外,如果适用,可以重複使用過去制作的内容模塊,内容的設計和開發更像軟件一樣可以疊代。

目前,大量的人力和計算資源被用于為内容分發和推薦系統準備内容,從智能新聞應用到按需求傳輸服務。對于智能内容,内容創建及其對發布和分發渠道的準備并不是一個單獨過程。相反,描述和定義内容的原數據和其他不可見功能從一開始就是内容創建過程中不可或缺的一部分。

通過智能内容,叙事圖像或視頻本身成為疊代反饋循環的組成部分,其中用戶的動作,情感和其他信号等從整個内容消費周期創建和推薦内容體驗。通過智能内容功能,新聞短視頻或流媒體可以為不同的内容幀内元素進行疊代和管理,如娛樂流媒體内的明星替換、流媒體内的道具創建等應用,都将變得易如反掌。