搜索視頻的“內(nèi)心”

一旦視頻搜索取得關(guān)鍵性的突破，更大的市場應用也將會接踵而來。

什么是互聯(lián)網(wǎng)上最火爆的詞匯？答案不一而足，但“視頻”一定是其中之一。隨著攝像手機、DV等個人視頻設(shè)備的普及，以及互聯(lián)網(wǎng)寬帶的應用，越來越多的視頻內(nèi)容走向互聯(lián)網(wǎng)。視頻搜索的應用已經(jīng)被提到一個日程，但目前市場上的產(chǎn)品還并不能讓人完全滿意。怎么能做到精確的搜索？如何快速了解視頻結(jié)果內(nèi)容？視頻廣告還有更佳的策略嗎？未來的視頻搜索將為你一一揭曉這些答案。

找到被忽略的“貓”

即使是一段時長僅為五分鐘的視頻，也可能包含著諸多內(nèi)容，比如，山水場景、人物對話，甚至還有一只臥在角落里的貓。如果這段視頻的主題跟這只貓毫無相干，那么它肯定不會被人工編輯在這個視頻文件的名稱及說明當中。也就是說，在以文字為索引的視頻搜索引擎中，是不可能搜到這只貓的。當然，很多類似的細節(jié)信息也都被“遺忘”了。

為了解決視頻說明內(nèi)容有限、不夠全面的問題，一些搜索引擎中還使用了語音識別技術(shù)，即把視頻中的人物對話識別為文字，并通過這段文字信息建立索引。但是語音與視頻的內(nèi)容常常有很大的差距，仍舊無法找到這只“不會說話”的貓。也就是說，有很多非音頻的信息會被遺漏。

與文字和圖片相比，視頻作為一個圖文、聲音集合的時間序列，對搜索技術(shù)的要求更高。在目前的市場上，大部分視頻搜索引擎所采用的幾乎都是文本索引方式。那么，有沒有更好的方法，讓我們能夠搜索到更多的細節(jié)呢？微軟亞洲研究院（MSRA）研究員華先勝，介紹了一種能夠真正“搜索到視頻里面去”的索引方式。

這種基于“內(nèi)容”的索引方式，會首先教搜索引擎“認識”一只貓的形象，并把其“翻譯”為文本，以此建立索引。這樣，當某個視頻文件內(nèi)出現(xiàn)貓時，它便能夠自動識別。與此類似的，想要搜索一場體育比賽中的某個環(huán)節(jié)，也可以輕松實現(xiàn)。比如，如果要搜索棒球比賽中的“投球”（pitch view）動作，即把“球從投球區(qū)投給擊球手”的一幕，通常視頻的文字不會細致到描述這一動作，而通過這種內(nèi)容索引的方式則可以準確查到。

內(nèi)容索引作為文字索引的有效補充，可以使搜索引擎實現(xiàn)更為精確的查詢。而上述這些操作有個前提，即需要人為地設(shè)定一些訓練數(shù)據(jù)，讓搜索引擎進行“學習”，也就是說，要讓其“知道”什么場景才是“投球”。據(jù)微軟的專家介紹，未來將可能完全脫離訓練數(shù)據(jù)，讓搜索引擎直接通過網(wǎng)絡進行智能學習。

剪輯式呈現(xiàn)

當你得到搜索引擎列出的一大堆雜亂無章的結(jié)果后，另一個問題出現(xiàn)了：“究竟哪個才是我想要的？”在實現(xiàn)了精確的查找后，未來的視頻搜索引擎要做的另一件事情就是良好的呈現(xiàn)—要讓用戶快速地了解一段視頻完整的內(nèi)容。

現(xiàn)實中，你在使用視頻搜索時往往會碰到這樣的情況，明明搜索的是“足球（Soccer）”，但除了你想要的一些精彩比賽片段外，系統(tǒng)可能還列出了有周星馳的《少林足球》，甚至是“小貝”的娛樂視頻新聞。針對這種情況，微軟亞洲研究院在搜索結(jié)果中實現(xiàn)了類別細分的功能，可以按照時長（duration）、類型（genre）、格式（format）等分類標準進行過濾。每個標準下包含幾個細分的類別，比如，選擇“類型”后，可以按照“體育”、“電影”、“新聞”等類別細分。這樣一來，雜亂的結(jié)果就變得清晰了。

你可能還會遇到另一種情況，本來搜索的是“汽車”，但卻得到了五花八門的視頻結(jié)果略縮圖—因為目前市場上的視頻搜索引擎，還不能根據(jù)關(guān)鍵字實現(xiàn)動態(tài)關(guān)聯(lián)。打個比方，如果你用“汽車”和“交通”兩個不同的關(guān)鍵字搜索到同一個視頻時，看到的呈現(xiàn)結(jié)果是相同的，沒有任何變化。同時，這一結(jié)果往往不能預覽，既看不到略縮圖畫面，又看不到視頻完整的信息，只能點擊進去以流媒體窗口的形式邊下載邊觀看，但這必定要耗費時間。

由于網(wǎng)上的很多視頻是基于HTTP協(xié)議的，這意味著每播放一次視頻，都要重新下載、從頭播放，即只能順序播放，無法實現(xiàn)跳轉(zhuǎn)。而MSRA目前有一項技術(shù)可以實現(xiàn)HTTP下的自由跳轉(zhuǎn)。

據(jù)華先勝介紹，視頻呈現(xiàn)中的關(guān)鍵點是視頻摘要技術(shù)，目前MSRA共研究出了5種視頻搜索結(jié)果呈現(xiàn)方式，不僅能夠動態(tài)定位到關(guān)鍵字所在的那一關(guān)鍵幀，而且能讓你在該頁面下進行10秒~30秒的播放預覽。其中，有一種列表呈現(xiàn)方式，除了提供一個“動態(tài)略縮圖”外，還像DVD的播前瀏覽功能那樣，把每個視頻分為可獨立播放的五個章節(jié)。這樣一來，用戶就可以大致了解這個視頻文件的內(nèi)容了。而使用該技術(shù)所提供的可伸縮呈現(xiàn)方式，則可以實現(xiàn)個性化的片斷細分，比如，當你選擇按“×4”方式呈現(xiàn)時，原視頻即被分為32個剪輯片斷呈現(xiàn)出來。

這并不是全部。這種未來的搜索引擎還加入了Web2.0元素—用戶可以對一段視頻中的某（幾）段剪輯，建立個性化注釋標簽（Tag），并可收藏及分享。這種功能將大幅改善現(xiàn)有視頻共享社區(qū)的用戶體驗、增加用戶粘性。

改良版視頻廣告

“鏘鏘三人行，廣告之后見。”觀眾們總是很想知道，說完這句話后，竇文濤和嘉賓們到底聊了些什么—電視臺是嚴格按照時間來插播廣告的，即當節(jié)目播到一個固定的時間點，就要插播廣告，而且其內(nèi)容是面向所有用戶的，不一定與節(jié)目直接相關(guān)。

互聯(lián)網(wǎng)為視頻廣告提供了更為靈活、個性化的條件。作為最主要的盈利手段，它將直接影響在線視頻的發(fā)展。但由于受到技術(shù)發(fā)展的限制，目前市場上的產(chǎn)品還只能做到在一段視頻的頭、尾位置插入廣告，無法做到與視頻內(nèi)容相匹配、智能插入。

為此，微軟正在研發(fā)一種結(jié)合搜索的視頻廣告平臺，可以突破現(xiàn)有的按時間插入的廣告模式，從用戶體驗和廣告主利益兩個角度出發(fā)，實時地在一段視頻內(nèi)容中合適的位置處插播合適的廣告。此外，視頻廣告在環(huán)繞文字及場景替換方面也有待進一步的研究。

未來，仍有很多技術(shù)方向等待探索。比如，如何準確地把視頻內(nèi)容映射到語意？怎樣在保證速度的前提下，處理大量的數(shù)據(jù)？對視頻搜索而言，關(guān)鍵字仍是惟一有效的查詢方式嗎？你也許將不再只是一個旁觀者和使用者，在Web2.0的時代，視頻搜索將依靠眾人的力量來貢獻數(shù)據(jù)—你將是點燃智能視頻搜索引擎的一份子。