視頻搜索：獅子和羚羊的賽跑

這是一個有待開墾但極有機會顛覆現有搜索格局的新領域。

隨著從去年到今年200多家視頻網站的蜂擁出現，人們享受到了普及化的在線視頻服務，但很快也發現，尋找自己想看的視頻，跟當初在Google(www.g.cn)誕生之前的互聯網上查找網頁一樣困難。

面對著視頻搜索—這個可能顛覆現有搜索格局的新領域，無論是先行者還是后來者都在摩拳擦掌。曾經以搜索起家的門戶巨頭們如新浪(www.sina.com.cn)、搜狐(www.sohu.com.cn)、雅虎(www.yahoo.cn)紛紛搶在搜索巨頭的前面推出自己的視頻搜索服務，試圖重新引領下一個時代的輝煌；而騰訊(www.tencent.com.cn)這樣的新生門戶也力圖拓展自己新的版圖，分得視頻搜索的一塊蛋糕；百度(www.baidu.cn)的視頻搜索在今年2月才正式上線，但一上來就以產業整合者的氣勢推出《互聯網視頻開放協議》；Google從2005年開始就在視頻搜索領域進行全球布局，在國內推出視頻搜索服務只是遲早問題；微軟也早已把視頻搜索作為其戰略性的技術投入；而OpenV、雷搜(www.leexoo.cn)這些新興的視頻垂直搜索引擎，則以挑戰者的姿態出現在這些巨人面前。

技術為王

在搜索技術和用戶需求都與傳統的文本搜索大相徑庭的視頻搜索領域，這些或大或小、或新或老的公司，都回歸到同一條起跑線上，需要通過全新的技術來建造自己的安全壁壘。易觀國際(www.analysys.com.cn)高級分析師劉克宇認為，原有的門戶和搜索巨頭固然有流量的優勢，但目前“技術還是最重要的，只有通過好的技術不斷提高搜索結果的精確度，才能通過分析用戶的搜索行為挖掘用戶潛在的需求，以提高廣告的精準性。”最后，才能帶來收入。

在視頻搜索領域，技術為王。那么，這些林林總總的視頻搜索引擎背后到底是怎樣的技術？目前視頻搜索的技術主要分為三類，第一類是基于傳統的文本搜索，利用視頻內容所有者提供的視頻標題和簡介內容來搜索視頻，這也是目前絕大多數視頻搜索引擎呈現給我們的形態。

如果你要看一段林志玲的視頻，搜出來的必定是標題或簡介中出現“林志玲”這三個字的視頻，這種搜索方式只是簡單地把傳統的文本搜索搬到視頻搜索中，而在視頻分享網站上，大多數視頻都是用戶上傳的，其描述并沒有統一的標準，還有人會惡意不如實地描述內容，你想看的是林志玲最新代言的婚紗的展示秀，搜索出來的結果卻可能是蔡依琳的一支MV。因此這種搜索方式的準確率不高，已被業界公認會被最終淘汰。

但如果聽一段視頻里的聲音，就會知道這是蔡依琳的《舞娘》這首歌的歌詞，而不是一場婚紗秀的音樂。文本結合上聲音，大大提高了搜索的準確性，這就涉及到第二類視頻搜索技術—語音分析。

英國非結構化信息智能處理公司Autonomy(www.autonomy.com.cn)是這一技術的代表，它的音頻辨識模塊可以將視頻中的音頻部分實時轉換為可搜索的文字內容，并且同時辨別視頻中的內容和屏幕上的文字與數字，支持英、法、中、意、俄等等數十種語言。Autonomy在美國開辦了著名的視頻搜索網站Blinkx(www.blinkx.com.cn)，為微軟、雅虎提供技術，在中國，百度、騰訊Soso、OpenV等采用的也都是Autonomy的技術。

分析人士認為，音頻分析最適合電視臺的新聞內容，播音員在安靜的環境下用標準的語速和標準的普通話進行播報，但如果有非常嘈雜的背景音樂，音頻分析也會束手無策。還有一種情況就是，如果你要搜劉若英的一首《分開旅行》的MV，搜出來的雖然是那首歌，但也許是“后舍男生”惡搞的版本。

視覺特征分析

這就需要另一類技術—視覺特征分析。在微軟從事MSN搜索的一位人士告訴《互聯網周刊》，視覺分析技術是視頻搜索中最具挑戰性的技術，將是未來搜索引擎競爭的重點。視頻是由圖片組成的，比方說一秒25楨，視覺特征分析會通過對每個圖片楨的分析，達到對整段視頻的分析。

目前在視覺特征分析領域處于前列的是微軟和Google。微軟最擅長的是人面識別，據上述微軟人士透露，從兩三年前，微軟亞洲研究院(www.msra.cn)的視覺計算組就開始研究人臉識別技術，分析人臉模式的內在結構，并進行有效地建模。微軟建立了一個龐大的數據庫，對一些人的面部特征進行采集，并建立索引，以便識別。

Google在去年8月收購了專攻圖片識別的Neven Vision公司，這家公司擁有15項與圖像分析和面孔識別有關的專利技術。Google公司的Picasa圖片共享服務的產品經理Adrian Graham許諾，“總有一天會開發出用來識別圖片中的人物、地點和對象的技術。”以圖片識別為基礎，視頻識別也會有所突破。

除了這兩大巨頭的戰略性投入和并購之外，在國內也有一家名叫力矩傳媒的公司在進行視覺特征分析的商業化研究。這家公司的前身是該公司股東與中科院在2003年聯合成立的一個近30人規模的實驗室，一直在低調地從事視覺特征分析的核心技術的開發，目前總共投入了近300萬美元，2006年底，這家公司正式推出了自己的視頻搜索引擎—雷搜（Leexoo）。

據雷搜的副總裁郭介紹，雷搜的原理是從形狀、紋理、顏色、動作等多方面對畫面里的物品進行分析。他舉例說，大海的特征就很明顯，顏色是藍色，面積很大，占畫面較大的比例，并且往往會配合沙灘、藍天等景物，這些因素綜合起來，就很容易分辨出大海。雷搜并不具備人面識別的技術，因此它主打體育視頻的搜索。郭說，比如要搜齊達內進球的視頻，我們雖然無法從面部識別出齊達內，但他的球衣及號碼卻很容易識別，我們會建一個球員的數據庫，從球衣上判斷是哪個隊，然后根據號碼找到這個球員。

然而，現在的視覺特征分析技術仍然處于雛形階段。微軟技術能識別的大部分是人物，人的面部必須占據很大畫面且面對鏡頭，如果是側面，就有較大困難，因此Google和微軟的這類技術目前主要運用于圖片搜索，并沒有大范圍應用于視頻搜索服務中。雷搜目前能較為精準識別的也只有大海、樹木、汽車、手機、男人、女人、動物等特征較為明顯的30個概念，郭說，隨著這個核心技術和全球的相關技術水平的進步，視覺分析的精度會越來越高，能更好地滿足用戶的需求。他樂觀地說，如果我把足球視頻這一塊做專了，讓喜歡足球視頻的人都到我這里來，這一塊市場也足夠一個小公司生存了。

未來的核心

網絡用戶最初從門戶下面的搜索引擎轉到了Google和百度這樣的專業搜索引擎，接下來會從Google和百度轉到其他的視頻搜索引擎嗎？在航母級的門戶和搜索巨頭面前，新興的視頻搜索引擎會有機會嗎？

在劉克宇看來，“視頻搜索行業短期內不會形成傳統搜索引擎領域那樣由一兩家運營商主導市場的局面。傳統搜索廠商的業務重點仍將是網頁信息圖文搜索類服務，視頻搜索在短期內只是其多元化策略之一。”這也是雷搜這樣的小公司在大鱷面前依然保持自信的原因，“我們在視頻搜索方面更專注，并且核心技術必須是從基礎一步一步做起來的，是需要時間的，并不是說我花費1千萬元能在一個月做完，花費2千萬元就能半個月做完。”

在各個搜索引擎精心布局的同時，不能忽略的是整個互聯網視頻行業處于水深火熱之中的現狀。大多數視頻網站面臨著“流量變不成錢”的尷尬，在生死的邊緣掙扎，一個月三五百萬元的大筆投入，流量雖大，收入卻與此不成正比。

新浪CEO曹國偉認為，現在的視頻“還是一個市場的培育期”，他對《互聯網周刊》說，視頻搜索就像以前的網頁搜索引擎，當網頁達到一定量的時候，才會有一個比較規模化的網頁搜索；視頻也一樣，首先要有大量的視頻在網上出現，然后視頻搜索才可以變成一個規模化使用的產品，然后才會有廣告，我覺得這是一個必然的過程。

除了網絡視頻的規模因素之外，劉克宇認為，視頻內容同質化較高、缺乏優秀的內容，廣告的精準性不高，也導致廣告主對視頻網站的廣告投放仍處于嘗試階段。中小企業的點擊廣告不太適合在視頻網站上投放，大企業又擔心自己的品牌形象與黃色、暴力或盜版的內容聯系在一起，也不愿意在視頻網站上投放品牌廣告。

而在郭看來，挽救視頻行業于困境的也許就是視頻搜索引擎。未來的視頻搜索引擎不僅是視頻行業的流量核心，也會是價值核心，是整個視頻行業的廣告平臺。他說，視頻搜索的關鍵詞都是特定的，比較有限，視頻搜索引擎不能照搬文本搜索那種關鍵詞廣告的商業模式。“我們未來的主要收入來源可能不是本站的廣告，而是廣告平臺的收入。視頻網站里面也有很多有價值的視頻，我們做的事情就是運用我們的視覺分析技術，把這些有價值的視頻篩選出來，然后按照廣告主的要求，將廣告與網站的視頻實現精準的配置，我們與視頻網站實現共贏。”

無獨有偶，4月5日，百度發布了《互聯網視頻開放協議》，讓網站將發布的視頻內容制作成百度規定的XML格式網頁，便于這些視頻及時被百度收錄。這既能增大雙方的流量，同時，統一的視頻格式也意味著未來統一的視頻廣告標準，這也預示著百度想成為整個視頻行業的廣告分發平臺的野心。

目前的視頻搜索，正是獅子和羚羊一起賽跑的階段，一切取決于速度。正像郭所說的，“也許多年以后，我們也會是互聯網行業一個代表性的神話。”但也有更大的可能，他們會是默默無聞。