关于人工智能视频工作流自动化的最大误解

了解更多关于人工智能和流媒体的信息流媒体东部2022.

阅读这段录音的完整文本:

埃里克·博尔顿: 如何揭开这个过程的神秘面纱呢? 你需要信任AI/ML方面. 我想让大家明白这些工具是如何工作的, 它们的基础是什么, 它们如何在结果中表现出来真的很重要吗. 我的意思是, 该行业技术债务中最大的隐性挑战之一是根本原因分析. 一个节目频道平均花费500美元,每年就为了找出纤维出了什么问题, 服务器出了什么问题, 等等, 等等. 你知道，电视是一个有100年历史的行业，但在60、70、80年的时间里，我们都是盲目的. 你知道卡车里有什么东西的唯一方法就是你向主控中心发送信号然后带回来一个净回报说, “看, 这是他们得到的图像.“事情不是这样发展的.

紫溪是一个活跃的企业. 我们做直播. 因此，随着这个行业从一个非常依赖视频点播的行业演变, 基于文件的产品集, 当你与现场体育和新闻等相交时, 没时间去想这些事了. 内容流量呈指数级增长. 所以你, 你需要这些关联, 以可起诉的形式呈现给你的因果关系.

Nadine Krefetz: So, 你的客户, 甚至, 如我所说, 你的联系人, 他们是否有一些无法引起共鸣的想法, 是不准确的?

埃里克·博尔顿: 作为一个和Discovery这样的客户以及其他家喻户晓的人交谈过的人, AI/ML的桶是“嗯, 是Datadog还是ServiceNow, 这是数据可视化吗?? 是华生吗??“答案是，这是一个非常大的生态系统，有不同的东西.

我们紫溪的重点是视频，但不是图像识别或那部分. 但你如何以AI/ML的方式维护视频的有效载荷? 所以我认为现在我们进入了一个词汇，它开始以更具体的方式登陆, 然后从工程学的角度来翻译它, 操作的观点, 技术/架构的观点, 然后, 最终, 业务影响的观点. 我们所有人都需要做很多传福音的工作，才能达成共识. 我不认为这是明确的.