“通过分析、人工智能和机器学习将媒体与娱乐(M&E)内容货币化”

“通过分析、人工智能和机器学习将媒体与娱乐(M&E)内容货币化”,第1张

随着时间的推移,世界各地的电影制片厂和制片公司,都捕捉到了大量的素材。但这些资源深处其实还隐藏着未被充分利用的宝藏。这些宝藏中蕴含着巨大的价值,或者可以作为大数据应用程序的一部分加以分析,从而为我们提供精确的预测、关联分析,或为我们带来期望的结果。为了得到最终结果,我们应该把这些内容用可靠且经济的方式存储起来,确保万无一失。这样才能通过数据分析、人工智能(AI)和机器学习(ML)开启货币化的道路。而媒体库和分析平台的构建,既可以在企业本地,也可以在云端完成,或着由二者结合来完成。

选择一个供应商购买他的服务,在公有云中存储内容,对许多工作室来说是一种万全的方式。目前主要的选择有Amazon®,Microsoft®和Google®。既然每个供应商的特性和能力互不相同且各有所长,那我们为什么不使用多重云方法?随着技术变革,制片厂有选择更好工具的自由,不用对任何一个供应商从一而终。

Amazon的公有云拥有非常成熟的服务,一个很棒的合作伙伴生态系统,它同时提供附加功能,用户可将其作为签约服务的一部分来使用。Microsoft也有很好的合作伙伴和方法,用户可将其特别用于媒体与娱乐,比如Avere系统的企业云NAS,将云存储和计算连接到基于云的企业架构中,或AvidTechnologies的音频和视频数字非线性云编辑能力。Google的公有云拥有一套专为媒体娱乐设计的工具,包括分析、翻译和转码等。

随着云技术的发展,制片厂不可能只选择一种公有云。电影产业要将内容货币化,最好的方法就是对公有云存储保持中立的态度。
 

混合的分析方法

技术的进步为媒体与娱乐内容的测量分析带来了有趣的机遇。制作人现在可以将即时反馈和元数据合并到内容创建过程中,使他们能够根据消费者的需要、喜好和/或趋势来调整输出。

公有云也因其巨大的存储能力、简易访问性及相对少的财力投入,得到了制片公司的青睐。用户可以通过加大计算核心或存储能力来运行一个作业,并能够在作业完成后退出这些资源。在公有云中还有许多特殊的工具套件,制片厂可以将它们作为服务协议的一部分加以利用。

与此同时,将内容存储到本地使得许多有价值的媒体与娱乐资源更接近PB级别,PB级别的云更容易获得,相比于公有云这更可行且更经济。如今,对象存储系统已作为中央媒体知识库和/或线上档案得到了广泛的应用,可更好地管理和控制数据分析的可预测性能。与公有云不同,本地存储解决方案帮助用户实现了内容的移动和存储—包括文件和对象—而无需支付任何费用。

同样地,制片厂现在也开始使用混合存储方法。这样,他们能够轻松扩展并对观众行为的结果进行分析,从而更好地生成的内容,更透彻地理解内容是如何在产生过程中移动的。他们还拥有大量的历史数据,能够对预测模型进行分析和开发,或通过机器学习,让他们的摄像机、视频制作设备甚至可穿戴设备更有效运行。

在企业内部进行本地分析有两个好处:(1)存储媒介可用于同一个公司的多个分析作业;(2)制作作业资源可与类似的、单独的或组合的生产模型的分析工作流和使用案例相结合,带来更深远的效果。
 

为什么选择对象存储?

为弥补从公有云中不断分离的内容所产生的高昂成本,有一个更经济的方法就是将大部分内容存储在一个高度可伸缩的对象存储系统中。该架构可存储如文件或物件(无论其是否是文件)、电影、视频、音频、影像、照片之类的内容或非结构化数据的其它部分。每个存储的对象都包括元数据,其可提供与对象和其自身数据有关的描述信息。由于是用户定义元数据,数据分析、发现技术或其它信息可支持大量正在缩放中的电影或视频,同时可将对象聚集起来,从而有效实现内容扩充。元数据分析也可以用来分析消费者的偏好。

对象存储是电影业前进的方向,因为这些系统可以跨越三个位置复制数据(与基于文件的三重镜像模型类似),而每个位置只需要三分之一的编码对象。他们还可以使用纠删码和数据擦除技术在幕后检测错误并自行完成修复,达到19个9的数据耐久性。

结语

世界各地的制片公司和制片厂都使用公有云对其获取到的内容进行保护、优化、分配和分析,同时也通过公有云解决具体问题。通过公有云和本地PB级对象存储解决方法开发混合云方法可帮助推动内容的货币化,使后期制作团队能够使用更新、更好、更先进的工具和技术。这种通过分析、人工智能和机器学习,从获取的内容中提取更多价值和情报的能力也为明天创造了财富—永远保持内容的价值!

欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/dianzi/2687574.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-08-15
下一篇 2022-08-15

发表评论

登录后才能评论

评论列表(0条)

保存