人工智能與 5G 的飛速發(fā)展，讓各行各業(yè)對視頻的應用、體驗提出了更高的要求。

• “云”的部分以云邊端一體、異構融合的基礎架構提供先進(jìn)的云計算能力；
• “智”則以業(yè)界領(lǐng)先且全面的 AI 能力實(shí)現了對視頻語(yǔ)音、圖像、文字等多種信息的多模態(tài)智能分析、理解、生成等處理。
• 依托“云智一體”推出了視頻創(chuàng )作分發(fā)平臺和視聯(lián)網(wǎng)感知平臺。
• 在消費類(lèi)視頻方面，將采集到的各種結構化信息、知識信息通過(guò)智能視頻云的手段，轉化成多媒體的信息進(jìn)行高效分發(fā)和傳播；
• 在產(chǎn)業(yè)類(lèi)視頻方面，將采集到的視頻轉變?yōu)榻Y構化信息，通過(guò)提取獲得的信息，來(lái)幫助業(yè)務(wù)進(jìn)行高效的感知和決策。

• 智能編碼：基于百度 AI 深度學(xué)習技術(shù)，通過(guò)深度學(xué)習網(wǎng)絡(luò )來(lái)提取視頻的特征，結合 BD265 生成智能編碼技術(shù)。
• 算法方面，依靠百度多年積累的技術(shù)優(yōu)勢，通過(guò)60+算法的優(yōu)化，在質(zhì)量和效率、速度上取得最優(yōu)解。
• 效率方面，相比業(yè)界開(kāi)源的 X265 編碼器，在編碼速度有2-4倍的提升，同時(shí)節省30%的編碼碼率。

• 智感超清：視頻體驗的優(yōu)化是一項精益求精、永無(wú)止境的工作。百度智能視頻云3.0通過(guò)智能超分、智能畫(huà)質(zhì)增強、智能插幀、智能修復、智能 HDR 生成等技術(shù)，在老片修復、真 4K 生成等典型應用場(chǎng)景上大幅提升畫(huà)質(zhì)體驗、彌補超高清內容缺失，加速了超高清產(chǎn)業(yè)發(fā)展，相關(guān)技術(shù)在國際權威比賽中屢次奪冠，具體優(yōu)勢體現在：
• 超分辨率：通過(guò)多層級聯(lián)的 U 型神經(jīng)網(wǎng)絡(luò )架構，對視頻空間的分辨率進(jìn)行從粗到細的提升。
• 畫(huà)面去噪：基于無(wú)監督去噪聲算法，擺脫了有監督神經(jīng)網(wǎng)絡(luò )訓練對于成對的噪聲與干凈圖像的依賴(lài)；設計了可交互控制參數，支持用戶(hù)調節，增加了系統靈活性。
• 畫(huà)質(zhì)增強：通過(guò)深度殘差神經(jīng)網(wǎng)絡(luò )，將內容特征提取與重建，不僅可以?xún)?yōu)化畫(huà)質(zhì)飽和度、還原壓縮視頻導致的失真，還能對 ROI 區域進(jìn)行區域增強和碼率分配優(yōu)化。
• 高幀率重制：依靠 MEMC 高幀率提升技術(shù)能力，通過(guò)對運動(dòng)方向預判，據此進(jìn)行插幀，提升畫(huà)面流暢度與觀(guān)屏舒適度。
• 超高清編碼：采用 CPU+GPU+ASIC 的異構加速計算框架，支持國產(chǎn)昆侖 K200 AI 加速卡，提升 AI 推理效率和超高清編碼效率，降低用戶(hù)成本，提升總體的生成效率。

　　智感超清

• 實(shí)時(shí)音視頻通訊：依靠核心自研的多個(gè)算法，實(shí)現通訊順暢的超低延時(shí)互動(dòng)體驗，并分為如下幾個(gè)方面：
• 抗弱網(wǎng)支持方面：基于上/下行鏈路智能探測器，根據上下行網(wǎng)絡(luò )鏈路惡化程度因子，調整 FEC、NACK、碼控、超清權重，選擇因子進(jìn)行抗弱網(wǎng)抖動(dòng)算法，使視頻抗弱網(wǎng)可達到60%，音頻80%。
• AI 能力方面：通過(guò)百度多年的 AI 技術(shù)積累，支持實(shí)時(shí)美顏、濾鏡、貼紙、AR 特效，更多娛樂(lè )場(chǎng)景玩法，并提供人臉識別、語(yǔ)音識別等能力，適用于用于身份核驗、學(xué)生狀態(tài)監測等更多場(chǎng)景。
• 高質(zhì)量音視頻通話(huà)方面：通過(guò)大量音視頻場(chǎng)景數據 AI 模型訓練，對音頻進(jìn)行 3A 優(yōu)化的同時(shí)，并能通過(guò)智感超清支撐超高清畫(huà)質(zhì)，自動(dòng)適配多分辨率，實(shí)現高質(zhì)量音視頻消息聊天。
• 性能指標方面：為針對通信節點(diǎn)路由的選擇，優(yōu)化混沌神經(jīng)網(wǎng)絡(luò )算法規劃最短路徑、實(shí)現動(dòng)態(tài)平衡路由選擇，可使端到端延時(shí)穩定收斂到 200ms 左右，并在單個(gè)節點(diǎn)故障時(shí)，能自動(dòng)重建路由，保障 server 的可用性。依靠 WHIP 協(xié)議轉換裝置解決了傳統 RTC 通信 server 由于信令交互復雜、房間管理業(yè)務(wù)量大、數據庫操作頻繁等影響性能及大規模搞并發(fā)問(wèn)題，可支撐每個(gè)房間在線(xiàn)人數達百萬(wàn)級別。
• 端到端性能監控方面：通過(guò)各端大量數據收集，依托百度智能云大數據分析，能精準的定位問(wèn)題，對潛在的不可靠服務(wù)提前預警，讓潛在風(fēng)險在萌芽狀態(tài)被解決，保障音視頻實(shí)時(shí)通信服務(wù)的高可用。

• 低延時(shí)直播：采用了全鏈路 SRT 協(xié)議，可穩定支撐千萬(wàn)級直播并發(fā)。關(guān)鍵特性包括：
• 卓越抗弱網(wǎng)：自研 mpegts 數據格式封裝、支持 SRT 協(xié)議推拉流，將網(wǎng)絡(luò )丟包的可能性降到最低，有效改善弱網(wǎng)環(huán)境下的推流及觀(guān)看體驗。
• 首屏秒開(kāi)：CDN 邊緣先將編碼參數信息發(fā)給播放器，播放器解析到編碼信息，待下個(gè)關(guān)鍵幀到達后即可快速播放。
• 協(xié)議兼容：實(shí)現多種視頻流協(xié)議的輸入與輸出， 基于 SRT 低延遲直播協(xié)議的上下行，能無(wú)縫接入 LSS 低延遲直播系統，與主流直播分發(fā)協(xié)議 HTTP-FLV/RTMP/HLS 結合，視頻轉發(fā)場(chǎng)景更加靈活。
• 規模并發(fā)：與 HTTP-FLV 支持的并發(fā)規模一致，支持千萬(wàn)級規模并發(fā)。

• 視頻分發(fā)基礎設施CDN：擁有遍布全球1000+節點(diǎn)、100T 帶寬儲備，以強大網(wǎng)絡(luò )基礎設施帶來(lái)極致視頻分發(fā)體驗和效率。其中具有這幾大能力：
• 資源儲備的擴展能力：通過(guò)云邊端一體，將資源的使用能力持續下沉，與邊緣計算的資源深度結合，做到流量加速的同時(shí)，也能做到算力的加速。
• 近似實(shí)時(shí)的智能調度能力：具備全網(wǎng)流量與質(zhì)量的感知系統，能實(shí)現近似實(shí)時(shí)的智能調度。
• 分場(chǎng)景的協(xié)議調優(yōu)能力：通過(guò)質(zhì)量感知系統 Bcats、節點(diǎn)多級緩存優(yōu)化、分場(chǎng)景協(xié)議棧優(yōu)化滿(mǎn)足客戶(hù)多場(chǎng)景的質(zhì)量要求，節點(diǎn)間使用私有協(xié)議加速，提升加速體驗并保證數據安全。
• 快速便捷的可編程能力：通過(guò)易用的可編程邊緣運行環(huán)境 EJS，用戶(hù)可自主實(shí)現個(gè)性化業(yè)務(wù)控制邏輯，應對業(yè)務(wù)變化的敏捷效率挑戰。

• 視覺(jué)模態(tài)理解框架的升級：提出了一個(gè)“預訓練+小型化+定制化”新的框架。該框架基于飛槳提供的大規模分類(lèi)框架、PaddleSlim 等組件，有效應對理解任務(wù)的復雜性，解決場(chǎng)景數據的稀缺性。在人臉任務(wù)上，全場(chǎng)景下識別相對錯誤率下降40%。在其他一些垂類(lèi)任務(wù)上，訓練的標注量可以減少40%以上。
• 知識增強的視頻理解：基于知識的視頻語(yǔ)義理解技術(shù)，充分利用豐富而全面的知識圖譜提升視頻理解效果。該技術(shù)通過(guò)對視覺(jué)、語(yǔ)音、文本的多模態(tài)內容進(jìn)行解析與融合，再利用知識關(guān)聯(lián)技術(shù)建立與視頻理解知識圖譜的連接，并根據背景知識以及知識計算與推理技術(shù)，實(shí)現對視頻的深度語(yǔ)義理解。這項技術(shù)打破了在傳統技術(shù)中，視頻內容分析基于感知的局限性，實(shí)現對視頻的深度結構化語(yǔ)義理解，大幅提升視頻理解的效果。

• 視覺(jué)模態(tài)創(chuàng )新豐富的能力：可將多種內容載體向視頻形式進(jìn)行自動(dòng)轉換，提升傳播效率。目前百度智能云支持多種視頻生產(chǎn)方式，包括圖文，數據，圖集等轉視頻，長(cháng)視頻拆短視頻及 Video-in 等生產(chǎn)形式。
• 知識增強的視頻生產(chǎn)：基于知識圖譜的視頻生產(chǎn)技術(shù)是百度智能云視頻生產(chǎn)的亮點(diǎn)技術(shù)。其中，借助知識圖譜的海量事實(shí)，可生產(chǎn)關(guān)于實(shí)體屬性、關(guān)系的各種知識類(lèi)、趣味性的盤(pán)點(diǎn)視頻；通過(guò)對影視劇的多模語(yǔ)義理解，可將某一類(lèi)場(chǎng)景鏡頭進(jìn)行聚合，呈現作品的精彩片段。

• 視覺(jué)模態(tài)的任意風(fēng)格化：基于元學(xué)習、多風(fēng)格 Adaptation 技術(shù)、Few-shot Learning 等技術(shù)，可根據需求快速定制不同風(fēng)格的高質(zhì)量視頻。
• 多模態(tài)生成的數字人：通過(guò)多模態(tài)技術(shù)，結合虛擬數字人形象與語(yǔ)音合成、唇動(dòng)等生成技術(shù)，可低成本制作形象豐富靈動(dòng)、線(xiàn)上線(xiàn)下多端覆蓋的的數字人，不僅交互自然、聲音動(dòng)聽(tīng)，還能夠適配多種業(yè)務(wù)場(chǎng)景需求。

　　目前數字人的應用載體較為廣泛，除了 PC 端以及手持移動(dòng)設備以外，百度智能云自研了智能云屏、智能云席等數字人的新載體。為了更好的模擬真人交互，在云屏、云席等數字人載體上集成定制攝像頭以檢測面部動(dòng)態(tài)，設置了的扇形拾音區域采集實(shí)音，這樣可以更好的識別主說(shuō)話(huà)人，從而解決“雞尾酒會(huì )問(wèn)題”。

• 雙平臺：便捷、高效、面向全場(chǎng)景的應用平臺

• 泛媒體場(chǎng)景：百度智能視頻技術(shù)通過(guò)媒體大腦平臺，賦能產(chǎn)業(yè)三大升級，打造智媒產(chǎn)業(yè)互聯(lián)網(wǎng)生態(tài)圈。智能視頻云將云智一體的視頻技術(shù)和媒介中臺里的媒體 AI 中臺、媒體知識中臺、媒體經(jīng)營(yíng)中臺相結合，從智能媒資管理、智能內容生產(chǎn)、智慧媒體經(jīng)營(yíng)三個(gè)層面解決智能視頻云技術(shù)在多種場(chǎng)景下的需求。
• 媒體 AI 中臺：通過(guò)智能內容匯聚、智能內容生產(chǎn)、智能媒資一體，全面覆蓋媒體內容產(chǎn)出的測、采、編、審、發(fā)全流程。
• 媒體知識中臺：通過(guò)多元知識圖譜，把內容資產(chǎn)知識化、資產(chǎn)化。將媒體自研和采購產(chǎn)生大量媒體資源，做標簽索引，形成一種資源。
• 媒體經(jīng)營(yíng)中臺：所有內容生產(chǎn)都是為了消費，都是為了觸達用戶(hù)，實(shí)現傳播的效果，或者商業(yè)的變現，百度有多元的媒體內容經(jīng)營(yíng)分發(fā)這樣的經(jīng)驗，我們也形成媒體的智能經(jīng)營(yíng)的一套中臺體系。

• 泛產(chǎn)業(yè)場(chǎng)景：百度智能視頻云以云邊端一體為基礎架構，平臺+數據主導，解決業(yè)務(wù)對接系統和數據平臺化的需求。
• 智能技術(shù)：通過(guò)百度全棧式自主人工智能平臺，提供多場(chǎng)景的智能視覺(jué)應用，核心為識別常見(jiàn)的人臉、人體、車(chē)輛等具有豐富的特征值信息，同時(shí)提供豐富的庫內的查詢(xún)能力。在各類(lèi)業(yè)務(wù)場(chǎng)景中，覆蓋比如交通、政府、能源、城市治理和農林等場(chǎng)景，此外還具有視頻修復能力，對提升整個(gè)視頻的理解能力有著(zhù)極大的幫助。
• 云邊端架構：在端側，為快捷獲取數據，部署了主要的算力和算子。邊側，通過(guò)閉環(huán)的能力，可以實(shí)現快速的邊緣的業(yè)務(wù)場(chǎng)景的整個(gè)閉環(huán)。云側，通過(guò)關(guān)鍵信息、關(guān)鍵數據傳送到云端，通過(guò)數據匯集，加強云計算和平臺的能力，為業(yè)務(wù)提供服務(wù)，實(shí)現更多的業(yè)務(wù)場(chǎng)景的應用。
• 開(kāi)放能力：在端側，開(kāi)放端云協(xié)同的 SDK 和 AI 的 SDK，實(shí)現統一管理，同時(shí)在公網(wǎng)環(huán)境下，實(shí)現低延時(shí)效果；平臺側，開(kāi)放所有模塊，實(shí)現 SaaS 和 PaaS 的結構，用戶(hù)可以更快捷的利用業(yè)務(wù)需求，利用 PaaS 能力快速迭代，提升整個(gè) SaaS 的開(kāi)發(fā)效率。應用方面，推出智能全感知系統，利用云邊端一體的技術(shù)架構，可以快速實(shí)現業(yè)務(wù)層的開(kāi)發(fā)。