个性化比你想象的要多

这些年来有很多关于让流媒体视频体验更加“个性化”.” 但这到底是什么意思呢? 在很大程度上，个性化一直是关于内容推荐. 当观众来到流媒体平台，看到可能与他们的喜好或行为更相关的内容时, 他们会觉得这个平台对他们来说更加个性化，提供了与其他观众不同的体验.

个性化也被应用到视频体验的元素中. 例如，广告是基于人口统计或
地理数据. 这些可以是在视频资产本身或在其周围的区域. 但视频个性化是关于修改
视频本身适合观看者, 比如换颜色, 切换图像(例如, 特定品牌), 甚至修改
视频流本身基于用户的特定偏好.

但随着时间的推移，这一愿景已经动摇了——如果你愿意这么说，是踉跄. 在过去的15年里, 我见过很多动态图像识别的尝试(通过顺序帧), 它们只是没有以有意义的方式实现. 通常情况下，它们需要玩家插件或其他专有技术.

作为执行董事 SVTA, 我看到了很多很有前途的技术供应商, 尤其是作为我们资助项目的一部分, 哪家公司主要关注创业公司. 其中一家公司, 注入的视频, 展示了个性化视频体验的下一个阶段:
动态替换视频本身的元素.

注入的视频使用的组合缝合以及即时渲染，为观众提供定制的体验. 该平台利用分段流，并对多个用户常见的段进行重复数据删除, 从而实现可持续规模的受众细分和个性化.

让我把它提炼成一个用例:制药行业的企业营销视频. 为了提高观众的参与度，
视频不可能是放之四海而皆准的方法. 以及更高层次的参与, 比如全程观看，甚至点击一个行动号召, 可以等同于药物摄取:观众与他们的医生谈论某种药物，甚至要求开处方.

但这种互动需要根据观众定制信息. 想象一下这些视频是动画讲解视频.
而不是让一个白人把信息传递给一个黑人妇女, 一个黑人女医生是传递信息的人.

当然, 这可以等同于数百甚至数千种不同的变体, 哪些手工生产成本低. 注入的视频的平台允许这种情况动态发生, 利用视频“模板”(实际上只是代表单词和流程)来创建不同的变体，并根据观看者的数据实时将它们拼接在一起. 这可能会利用生成式AI(当使用数字化身时). 不同的变体可以围绕一个机构制作的B-roll或其他拍摄镜头创建. 想象一下，一个汽车模型会根据观看者的不同而呈现不同的颜色.

电影公司也可以利用这一点，允许他们的观众, 通过流媒体播放器中的一组可点击过滤器, 删减:删减电影中的元素. 不要裸体? 查看者可以点击过滤器, 而像注入的视频这样的平台会在交替的帧中缝合(其中可能包括阻挡可疑元素的物体)。.

随着生成式人工智能的进步, just-intime代码转换, SSAI缝合, 以及其他流媒体视频技术栈组件, 像注入的视频这样的公司正在证明视频个性化的真正愿景——改变视频内容本身——终于触手可及了.

去吧，企业视频营销人员和电影工作室——拿走我的数据. 如果这意味着我可以获得动态构建的内容，那么这是值得的
垃圾邮件.