近日,网易云正式上线以“轻智能”为特色的短视频解决方案,帮助行业用户高效实现性能优质、功能强大的短视频部署,从而满足终端用户的多元化使用诉求。网易云通信与视频副总经理王丹丹表示,短视频市场方兴未艾,网易云将以轻量化、快速部署和智能化的“轻智能”式解决方案,助力行业用户抓住机遇,引领短视频潮流。
近几年来,随着移动互联网深度渗透人们的日常生活,视频消费逐渐趋于碎片化、场景化和智能化,以简单、智能、丰富、易分享为特质的短视频日渐风靡,市场需求表现强劲。据统计,截止2017年3月,短视频活跃用户数量同比增长了近70%。由此可见,短视频市场风口已经形成。
面对快速增长的短视频市场,许多平台逐步开始在功能部署和技术研发方面发力。但行业实践证明,通过自研方式实现短视频功能往往面临诸多挑战。首先,短视频本身的终端功能复杂,且用户对多元化、智能化功能的需求升级迅速,平台自研技术很难在短时间内快速部署和迭代。其次,平台本地资源占用率高带来了性能优化难度高的问题,极大的影响了用户留存率。再者,滤镜、特效素材设计等大量工作带来了很高的设计、运营成本,成为平台的不能承受之重。
网易云此次推出的短视频解决方案,重在以“轻智能”为特色的解决方案,帮助平台用户解决短视频技术部署和功能研发面临的挑战。王丹丹介绍说,“轻智能”意味着轻量化、快速部署、智能功能完备的短视频服务模式, “轻智能”的短视频解决方案,将帮助用户高效实现优质的、多元化的短视频技术部署和功能研发,助其走在短视频市场的前端。
在技术端,网易云主要通过三个方面的技术要素,帮助开发者实现“轻智能”式的短视频技术开发,进而提升视频质量、流畅度和用户留存率。网易云的短视频SDK技术,具有灵活、稳定、低占用、智能化功能完备的优势,可使开发者轻装上阵,实现多功能的快速开发;同时,500+CDN节点部署可加速分发,针对短视频实现首屏秒开配置,为性能优化打下基础;此外,网易云还为开发者提供了支撑短视频多样化功能的底层技术,如智能鉴黄服务、海量美颜等,从而提升开发和部署效率。
网易云短视频架构图示
在功能端,网易云重点立足终端用户需求,帮助开发者快速实现多元化、智能化的功能部署,提升终端用户的短视频使用体验。一方面,依托于网易云通信与视频的短视频SDK,开发者可基于简单的SDK接口即可实现包括断点拍摄、人像美颜等在内的拍摄功能部署,以及包括色调调整、分镜切换特效等在内的编辑上传功能部署。此外,网易云可在底层SDK上进行开发和封装,基于人脸、手势等智能识别技术,为短视频平台用户提供包括智能美颜、动态贴纸、手势识别、智能道具等全套解决方案。
不可忽视的是,网易云还具备多元化的服务能力,帮助开发者以较低的成本获取短视频技术开发的配套服务。目前,网易云提供包括视频存储、视频转码、播放秒开、视频加密、回源鉴权、视频反垃圾等在内的服务,满足用户在多功能部署和开发过程中的多样化需求。
目前,网易云短视频解决方案已成功帮助网易云音乐、LOFTER等产品实现短视频技术的超速实施。例如,网易云音乐的短视频功能为UGC和PUGC生产者提供了更多元、更新潮的曝光机会,进一步强化了网易云音乐的音乐社区定位。轻博客LOFTER通过上线短视频功能,满足了用户自我展示和表达的多元化、趣味性诉求,极大的提升了用户活跃度。而世界领先的3D人脸技术方案提供商FaceUnity基于网易云短视频的底层SDK功能,成功部署了智能美颜、动态贴纸、手势识别等智能化功能,使视频沟通更富趣味性。
网易云认为,短视频正形成新的市场热点,是下一波现象级需求,各行业都需要加速部署,抓住市场机遇。网易云立足于行业伙伴的需求痛点,将短视频技术和功能进行了有针对性的开发和重构,以“轻智能”的模式帮助用户更便捷、高效的实现短视频的功能研发和技术部署,从而真正能独立潮头,信步短视频时代。
好文章,需要你的鼓励
这项由索非亚大学INSAIT和苏黎世联邦理工学院共同完成的研究,揭示了大语言模型在数学定理证明中普遍存在的"迎合性"问题。研究团队构建了BrokenMath基准测试集,包含504道精心设计的错误数学命题,用于评估主流AI模型能否识别并纠正错误陈述。
约翰斯·霍普金斯大学研究团队提出了创新的隐私保护AI文本生成方法,通过"控制代码"系统指导AI生成虚假敏感信息来替代真实数据。该方法采用"藏身于众"策略,在医疗法律等敏感领域测试中实现了接近零的隐私泄露率,同时保持了高质量的文本生成效果,为高风险领域的AI应用提供了实用的隐私保护解决方案。
实验室和真实使用测试显示,iPhone Air电池续航能够满足一整天的典型使用需求。在CNET进行的三小时视频流媒体压力测试中,iPhone Air仅消耗15%电量,表现与iPhone 15相当。在45分钟高强度使用测试中表现稍逊,但在实际日常使用场景下,用户反馈iPhone Air能够稳定支撑全天使用,有线充电速度也比较理想。
这项由Reactive AI提出的稀疏查询注意力机制通过减少查询头数量而非键值头数量,直接降低了注意力层的计算复杂度,实现了2-3倍的训练和编码加速。该方法在长序列处理中表现出色,在20万词汇序列上达到3.5倍加速,且模型质量损失微乎其微,为计算密集型AI应用提供了新的优化路径。