CN114270869A - 现场制作和频道播出的ai驱动编排自动化的系统及方法 - Google Patents

现场制作和频道播出的ai驱动编排自动化的系统及方法 Download PDF

Info

Publication number
CN114270869A
CN114270869A CN202080041725.9A CN202080041725A CN114270869A CN 114270869 A CN114270869 A CN 114270869A CN 202080041725 A CN202080041725 A CN 202080041725A CN 114270869 A CN114270869 A CN 114270869A
Authority
CN
China
Prior art keywords
playlist
schema
order
orchestration
engine
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202080041725.9A
Other languages
English (en)
Inventor
亚历克斯·霍尔茨
查尔斯·S·迈耶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Grass Valley Canada ULC
Original Assignee
Grass Valley Canada ULC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Grass Valley Canada ULC filed Critical Grass Valley Canada ULC
Publication of CN114270869A publication Critical patent/CN114270869A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/21—Server components or server architectures
    • H04N21/218—Source of audio or video content, e.g. local disk arrays
    • H04N21/2187—Live feed
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25808—Management of client data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25891—Management of end-user data being end-user preferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/262—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists
    • H04N21/26258—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists for generating a list of items to be played back in a given order, e.g. playlist, or scheduling item distribution according to such list
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H04N21/44222—Analytics of user selections, e.g. selection of programs or purchase activity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H04N21/44222—Analytics of user selections, e.g. selection of programs or purchase activity
    • H04N21/44224—Monitoring of user activity on external systems, e.g. Internet browsing
    • H04N21/44226—Monitoring of user activity on external systems, e.g. Internet browsing on social networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client 
    • H04N21/65—Transmission of management data between client and server
    • H04N21/658—Transmission by the client directed to the server
    • H04N21/6582—Data stored in the client, e.g. viewing habits, hardware capabilities, credit card number

Abstract

提供了一种用于实时视频制作和资产管理的系统，该系统包括编排软件和平台，该平台使用人工智能或机器学习来自动显示纲要和播放列表组装，根据社会话题趋势、历史和预测内容以及按类型的相关广告表现以及按平台收视率的消费者人口统计。该系统和方法提供最佳预测性能结果的自动化阵容(或可以由制作人修改的建议阵容)，而不是仅仅基于制作人他或她自己的经验。

Description

现场制作和频道播出的AI驱动编排自动化的系统及方法
相关申请的交叉引用
本申请要求2020年4月1日提交的美国专利申请号16/837,648的优先权，该申请要求2019年4月5日提交的美国专利临时申请号62/830,268的优先权，其内容在此以其整体并入。
技术领域
本公开总体上涉及直播视频制作、资产管理，并且更具体地涉及用于现场制作和频道播出的AI驱动编排自动化的系统和方法。
背景技术
在当今的视频制作环境中，制作现场表演依赖于现有的可用工具，这些工具因应用而异。例如，在新闻室计算机系统(“NRCS”)上准备现场新闻广播。这是用于基于制作人的经验和定时分配来构建故事和广告中断的运行顺序以最大限度地提高收视率和货币化的工具。新闻中使用的另一个工具是制作和/或媒体资产管理(“PAM”或“MAM”)，其管理内容的制作、存储和发布。目前，该工具执行许多功能，从摄取、记录和编辑内容到监视热门话题的社交平台，以及根据平台目的地和消费方式来规划不同的故事讲述方式。使用当前的技术，所有这些流程和决定都基于个人(即制作人或编辑)的经验，以优先考虑如何最好地呈现内容以及这样做的时间。例如，内容可以作为突发新闻故事在社交平台或广播公司的网站和移动应用上现场呈现，以随着故事的发展推动观众的兴趣，或者他们可以选择等待预先安排的线性广播。同样，这些决定是基于制作人和/或编辑的经验。
与新闻一样，在体育直播和娱乐直播中，也在现场事件期间根据制作人和/或导演的经验做出决定。通常，使用松散形式的计划脚本，但在大多数情况下，它会根据游戏或事件期间发生的关键亮点快速覆盖。现场制作的编排由导演在事件发生时调用节目来驱动，例如有趣的重播近距离点球大战或得分播放，或者如何调用和显示摄像机镜头或多个镜头之间的过渡。由于体育和娱乐应用不是脚本化的，因此制作人、导演、视频制作切换台技术总监、重播操作员、摄像机操作员、图形操作员、统计学家、音频工程师等之间的精确人员交流对于制作深受消费者欢迎的现场事件至关重要。
为了广播这样的事件，频道播出提供从广播公司到广播网络的无线电或电视频道的传输，将内容传送给观众。因此，频道播出处理节目级别相对于事件级别的解决方案，并使制作人不仅可以根据所需的协议来计划时间表，而且还可以根据微频道请求实现个性化。例如，如果本地广播公司想要专门为移动应用提供频道播出提要，则该广播公司可以选择根据用户简档和话题兴趣来个性化播放列表，例如提供关于体育和医疗保健相对人类利益或金融的故事，因为它与当地事件有关。目前为了处理这个应用，发布者需要收集和存档在客户端应用收集的数据，该数据与数据管理平台(“DMP”)收集的故事主题、当日时间、参与持续时间和广告性能指标相关联，然后用于使播放列表构建和管理的过程自动化。
在此类内容分配的相关方面，ROI模型商业周期已通过提供灵活性来为由Amazon
Figure BDA0003393826440000021
Google
Figure BDA0003393826440000022
和Microsoft
Figure BDA0003393826440000023
所提供的商品服务提供不同的IaaS平台而得到改进。这些服务可能包括编码/转码、服务器端动态广告插入、数据管理、内容分发网络和需求方平台广告，以及在线视频平台和内容管理系统的第三方合作伙伴。此外，必须不断监视作为输入的总成本、平台成本、带宽要求和规模定价，以最大限度地提高回报和选择平台的决策。
发明内容
鉴于直播视频制作和资产管理的当前形势，本公开提供了一种改进当前被结构化并基于人类经验与数据科学的任何广播的过程的系统和方法。在示例性方面，描述了开发使用人工智能(“AI”)以基于以下而使节目纲要(即，现场的话题或故事级别)和播放列表(用于播出)组装自动化的编排软件和/或平台：社会话题趋势、历史和预测内容以及按类型和消费者人口统计按平台收视率的相关广告表现，用于最大限度地提高ROI。所公开的系统和方法提供了最佳预测性能结果的自动化阵容(或可以由制作人修改的建议阵容)，而不是仅仅基于制作人他或她自己的经验。
在示例性方面，使用AI生成的自动化阵容可以应用于新闻纲要、现场体育或娱乐事件或频道播出应用。例如，示例性系统和方法被配置为使用AI来预测最可能的阵容，该阵容基于观众参与预期提供最佳投资回报。
此外，不是自动运行命令，基于AI的指令和基于历史档案以及实时社交和交互式反馈的控制可以促进显示期间作出的决策。在示例性方面，该过程可以涉及玩家表现指标或摄像机角度的自动请求，因为评论员调用无线广播节目并讨论具体的播放或接下来应该调用什么播放的预测。通过这样做，该系统和方法创建用于促进决策制定的自动分析。在这种情况下，操作员不可能同时为多个分配模型计算和优化成本。系统可以有效地执行这些计算，以在利润的基础上使用数据馈送来产生以前无法获得的额外收入，例如，高销量和低价值(例如，向移动设备播出的精彩片段，每个观众的收入很低，但高销量产生整体收入)。
此外，类似于基于最直接路径相对于价格的动态CDN变化，同样可以讨论上述此类商品服务的使用。因此，在另一个示例性方面，示例性系统和方法被配置为随着时间利用平台性能指标以基于ROI提供更精确的决策。
根据示例性方面，提供了一种用于编排现场制作和频道播出的自动化的系统。在这方面，该系统包括：性能指标分析器，其被配置为基于媒体内容的历史档案审查和优先级来生成历史性能指标；预测性能指示器，其被配置为监视并识别与生成的用于决策的历史性能指标一致的至少一个感兴趣主题；平台性能指标模块，其被配置为基于内容类型、持续时间、实时趋势和性能指标为至少一个下游平台生成性能指标，该平台具有目标消费者简档、广告商利益和预测ROI中的至少一个；ROI投影仪，其被配置为访问社交和交互式平台中的至少一个，基于生成的用于决策的历史性能指标和生成的用于至少一个下游平台的性能指标，来推导出用于选择的特定内容类型和类别以及参与持续时间的至少一个兴趣级别，以基于历史指标生成预计的ROI性能；以及优先级和顺序生成器，其被配置为学习和预测计划的ROI性能的变化，以便为直播视频制作的纲要和播放列表中的至少一个建立最佳优先级和顺序，其中优先级和顺序生成器还被配置为生成用户界面，其被配置为接收至少一部分历史性能指标的加权因子、与生成的用于决策的历史性能指标一致的至少一个感兴趣主题、以及生成的用于至少一个下游平台的性能指标，并且其中优先级和顺序生成器被配置为响应于用户对加权因子的调整，动态地调整为纲要和播放列表中的至少一个建立的最佳优先级和顺序。
在另一个示例性实施例中，提供了一种用于编排现场制作和频道播出的自动化的系统。在这方面，该系统包括分析引擎，其被配置为基于媒体内容的历史档案审查和优先级来生成历史性能指标，其中该分析引擎包括平台性能指标模块，其被配置为基于内容类型、持续时间、实时趋势和性能指标而生成至少一个下游平台的性能指标，该平台具有目标消费者简档、广告商利益和预测ROI中的至少一个。此外，该系统还包括推荐引擎，其被配置为监视并识别与生成的用于决策的历史性能指标一致的至少一个感兴趣主题，其中该推荐引擎包括ROI投影仪，其被配置为访问社交和交互式平台中的至少一个，以基于生成的用于决策的历史性能指标和生成的用于至少一个下游平台的性能指标，获得用于选择和参与持续时间的特定内容类型和类别的至少一个兴趣级别，以根据历史指标生成计划的ROI性能。更进一步地，该系统包括：编排引擎，其被配置为学习计划的ROI性能的变化，以便为直播视频制作的纲要和播放列表中的至少一个建立最佳优先级和顺序；和媒体内容分发服务器，其被配置为基于为纲要和播放列表中的至少一个建立的最佳优先级和顺序分配用于直播视频制作的媒体内容。
根据示例性方面，编排引擎还被配置为生成用户界面，其被配置为接收至少一部分历史性能指标的加权因子、与生成的用于决策的历史性能指标一致的至少一个感兴趣主题、以及被配置为接收包括媒体内容的直播产品的生成的用于至少一个下游平台的性能指标。此外，编排引擎还被配置为响应于用户接收的对加权因子的调整，动态地调整为纲要和播放列表中的至少一个建立的最佳优先级和顺序。
在另一个示例性方面，编排引擎还被配置为将与所识别的至少一个感兴趣主题相关的附加图形嵌入到直播视频制作中。
在另一个示例性方面，分析引擎还被配置为监视直播产品的收视率并基于所监视收视率的反馈数据动态来更新为至少一个纲要或播放列表建立的最佳优先级和顺序。
在另一个示例性方面，编排引擎被配置为通过基于所监视收视率的反馈数据丢弃故事来动态更新为至少一个纲要或播放列表建立的最佳优先级和顺序。
在又一个示例性方面，编排引擎被配置为使用基础设施即代码和配置即代码中的至少一个来为直播视频制作的纲要和播放列表中的至少一个建立最佳优先级和顺序。
在另一个示例性方面，分析引擎被配置为监视直播视频制作的视频输出信号以识别直播视频制作的内容分发的错误，其中该错误是断电、节目输出冻结、音频唇形同步未对准和像素化错误中的一个。
再进一步，在另一个示例性方面，编排引擎被配置为响应于所识别的内容分发的错误，动态地更新为至少一个纲要或播放列表建立的最佳优先级和顺序。
示例方面的上述简化概述用于提供对本公开的基本理解。该概述不是所有预期方面的广泛概述，并且既不旨在识别所有方面的关键或主要元素，也不旨在描绘本公开的任何或所有方面的范围。其唯一目的是以简化的形式呈现一个或多个方面，作为以下公开内容的更详细描述的前奏。为了实现上述目的，本公开的一个或多个方面包括权利要求中所描述和示例性指出的特征。
附图说明
并入并构成本说明书的一部分的附图示出了本公开的一个或多个示例方面，并且与详细描述一起用于解释它们的原理和实施方式。
图1示出了根据示例性实施例的用于现场制作和频道播出的AI驱动编排自动化的示例性系统100的高级框图。
图2示出了根据示例性实施例的针对用于现场制作和频道播出的AI驱动编排自动化而实施的编排管理器的框图。
图3示出了根据示例性实施例的用于现场制作和频道播出的AI驱动编排自动化的示例性系统的详细框图。
图4示出了根据示例性方面的用于配置编排管理器的流程图。
图5是示出了根据示例性实施例的用于现场制作和频道播出的AI驱动编排自动化的系统和方法的方面所处的计算机系统的框图。
具体实施方式
现在参考附图描述本公开的各个方面，其中相同的附图标记自始至终用于指代相同的元件。在以下描述中，出于解释的目的，阐述了许多具体细节以促进对本公开的一个或多个方面的透彻理解。然而，在一些或所有情况下很明显的是，以下描述的任何方面都可以在不采用以下描述的特定设计细节的情况下实施。在其他情况下，众所周知的结构和设备以框图形式显示，以便于对一个或多个方面进行的描述。以下呈现本公开的一个或多个方面的简化概述以提供对其的基本理解。
图1示出了根据示例性实施例的用于现场制作和频道播出的AI驱动的同时编排自动化的示例性系统的高级框图。
如图所示，该图示出了定义生态系统类别之间的关系和所需数据交换的系统100。一般而言，该系统可以包括媒体和娱乐业设施102、过顶(over-the-top,OTT)平台104和交互式社交云106。此外，编排管理层(或简称为“编排管理器”110)被提供在生态系统中并被配置为控制和/或配置设施102内的组件，例如新闻室计算机系统(NRCS)、媒体资产管理(MAM)、自动化生产控制(APC)以及多平台频道播出系统，其服务于传统的空中、电缆、卫星或IPTV分配以及OTT平台/应用104。
一般而言，编排管理器110可以是一个或多个软件应用或平台，其被配置为使在新闻室计算机系统中纲要的组装或用于频道播出系统和应用的任何其他现场制作运行顺序和播放列表组装自动化。更具体地，编排管理器110被配置为使用AI和/或机器学习来自动地为直播或发布的故事选集优先排序和/或基于选择的平台目的地来组装节目运行顺序(即，“纲要(rundown)”)或预先安排的频道播出列表。结果，系统被配置为动态组装每个目的地(例如，每个内容消费设备)的唯一列表。因此，对于每个组装的播出列表，编排管理器110可以使系统被配置为生成如何讲述故事以解决特定目标观众或个人的一个或多个不同变体。
根据示例性实施例，编排管理器110被配置为使用关于收视率的历史和预测数据分析、所投放的广告和定价/利润、社交媒体上的趋势主题以及由一个或多个引擎提供的吸引消费者的能力，该引擎被配置为生成优化的阵容(或多个阵容)。应该理解，这种自动化的阵容基于内容主题、即时性、实时趋势、花费的时间和深度(例如消费者何时查看并搜索与事件相关的更多信息以及所投放的广告、定价和通过故事的生命周期获得的利润)提供最佳ROI。
图2示出了根据示例性实施例的编排管理器110的框图，编排管理器110被配置用于实现用于现场制作和频道播出的AI驱动编排自动化的系统100。如图所示，编排管理器110包括编排引擎112、分析引擎114和推荐引擎116，其细节将在下面描述。
通常，每个引擎可以被配置为用于执行这里公开的算法的模块。此外，术语“模块”是指使用硬件实现的真实设备、组件或组件布置，诸如例如通过专用集成电路(ASIC)或现场可编程门阵列(FPGA)，或作为硬件和软件的组合，例如由微处理器系统和一组用于实现模块功能的指令，这些指令(在执行时)将微处理器系统转换为专用设备。一个模块也可以被实现为两者的结合，其中某些功能单独由硬件实现，其他功能由硬件和软件的组合实现。在某些实施方式中，模块的至少一部分(并且在一些情况下为全部模块)可以在通用计算机的处理器上执行。因此，每个模块可以以各种合适的配置来实现，并且不应限于这里例示的任何示例实现。
根据示例性方面，编排引擎112可以被配置为协调向各种流媒体源(例如，OTT平台104、多播、广播、MPVD(多频道视频节目分配器)等的内容分发。
此外，分析引擎114被配置为基于消费者的心理记录数据、简档和当前活动内容选择，生成针对以消费者或消费者组为目标的连续节目馈送的最终自动化控制流。例如，分析引擎114被配置为基于消费者的心理记录数据、简档和当前的活动内容选择来挖掘关于目标消费者或消费者组的数据(还考虑查看客户/目的地，即移动、联网电视和当日时间、内容消费活动的持续时间等)。在完成分析后，分析引擎114被配置为提供最佳的个性化或推荐的最终自动化控制流和对新内容的“创造性”建议。
推荐引擎116还被配置为基于消费者的心理记录数据和简档来建议针对消费者或消费者组的至少一个项目的内容列表。更具体地，推荐引擎116被配置为持续工作以基于消费者的心理记录数据和简档向消费者或消费者组提供适当的建议内容或内容列表，例如由VOD内容、直播流和/或基于节目时间表和当日时间的播出频道组成的预定义播放列表。
如上所述，编排引擎112被配置为在整个工作流过程中管理内容。在示例性方面，编排引擎112可以包括和/或被配置为控制一个或多个媒体内容分发服务器，用于使用利用此处描述的算法进行动态控制的纲要或播放列表来分配(例如，流、广播等)直播产品的指定媒体内容。更具体地，编排引擎112可以被配置为控制媒体内容分发服务器，以基于为纲要和/或播放列表建立的最佳优先级和顺序来分配用于现场制作的媒体内容。
如上所述，当今的常规NRCS、现场故事板软件和/或播出播放列表期望制作人、导演或其他节目策划者手动输入故事、主题内容或节目的运行顺序。根据示例性实施例，编排管理器110(包括引擎112、114和116)被配置为基于按时段或收视率的趋势主题、内容和/或广告销售表现使这些组件和决策自动化。在这方面，编排引擎112、分析引擎114和推荐引擎116可以由人工智能和/或预测机器学习过程配置以促进现场制作和频道播出。
在操作期间，当分析引擎114为要被建议和/或包括在纲要、播放列表或频道播出时间表内的内容做出推荐时，完成时或先前存储在档案中的内容应该被输入(例如，加载和/或存储)到推荐引擎116中。在一方面，推荐引擎116被配置为基于消费者的观看和搜索历史或预测兴趣将内容与消费者相关联。如果通过附加介绍、标签或其他现场插入来广播和/或直播内容，以增强通过自动剪辑服务(例如，自动VOD)处理的故事或节目，则推荐引擎116可以处理该内容就好像它是预先制作的内容一样。
此外，还基于内容类别偏好和预测消费者简档来选择广告商(和例如广告插入)。然后，推荐引擎116被配置为将内容元数据、缩略图和/或描述放入搜索引擎(例如作为示例的
Figure BDA0003393826440000091
或
Figure BDA0003393826440000092
)和广播公司/程序员在线内容管理系统(CMS)、社交媒体平台(例如
Figure BDA0003393826440000093
Figure BDA0003393826440000094
)或任何其他用户界面应用(例如OTT播放器的前端(例如，OTT平台104)或移动应用)。继而，编排层引擎112被配置为管理上述应用，因为它与例如VOD内容资产相关。
因此，通过使用编排引擎112、分析引擎114和推荐引擎116，编排管理器110被配置为管理和自动化同时涵盖以下内容的工作流：纲要生成和实时变化管理(示例应用—新闻广播)、播放列表生成和实时变化管理(示例应用—现场体育和娱乐)、频道播出时间表生成和实时变化管理(示例应用—电视、网络或管理服务频道播出)和/或视频点播(VOD)生成和实时变化管理(示例应用—推荐引擎、搜索或消费者驱动的预定义主题简档)。
在示例性方面的改进中，编排引擎112被配置为监视频道播出并且动态地调整媒体内容的纲要和播出。更具体地，管理服务播出设施通常将在有效地“观察”每个节目输出频道的反馈监视器的监测站处具有大量人力资源。根据示例性方面，例如，使用AI或机器学习的编排引擎112被配置为监视视频输出信号(被传输到内容消费者)并基于内容分发的问题(例如断电、节目输出冻结、音频唇形同步未对准、服务器像素化错误等)生成警报和/或采取纠正措施或备份过程。因此，编排引擎112被配置为提供足够的可靠性和可信度以消除对内容播出的人工监视。
图3示出了根据示例性实施例的用于现场制作和频道播出的AI驱动编排自动化的示例性系统300的详细框图。一般来说，需要注意的是，图4中所示的某些组件对应于图1中的那些组件。例如，媒体和娱乐业设施302对应于组件102，OTT平台304对应于平台104，交互式社交云306对应于云106，以及编排管理器310对应于编排管理器110，并且还可以包括编排引擎112、分析引擎114和推荐引擎116，如上所述。
如上所述，推荐引擎116被配置为基于消费者的心理记录数据和简档来建议针对消费者或消费者组的至少一个项目的内容列表，而分析引擎114被配置为基于客户的心理记录数据、简档和当前活动内容选择，生成针对客户或客户组的的最终自动化控制流。如图3所示，媒体和娱乐业设施302可以包括多个组件/应用，例如包括用于现场获取、社会监视和UGC内容策划和管理的引擎302a，流量和计费以及广告管理系统302f，交互式投票、游戏和直播平台302e，以及新闻室计算机系统(NRCS)、资产管理系统和生产控制室自动化302c。
如进一步所示，通过这些平台，编排管理器310被配置为执行在此描述的用于主题监视和趋势分析302b、性能分析302f和交互式分析302d的算法，以用于构建自动化节目纲要(和/或播放列表)，其具有故事特定的元数据和唯一ID，用于跟踪分析以在视频制作播出期间动态调整节目纲要(和/或播放列表)。
如进一步所示，例如，编排管理器310被配置为管理直播视频制作的视频内容经由应用层312向内容消费者的递送。一般而言，应用层312可以是一个或多个内容消费平台，供最终用户接收消费所确定的媒体内容。例如，应用可以在一个或多个消费者设备上运行，包括智能电视、计算机、膝上型电脑、平板电脑、智能电话等。此外，应用层312可以呈现在第三方内容消费应用上，诸如例如
Figure BDA0003393826440000111
或
Figure BDA0003393826440000112
此外，内容分发网络304e可以是任何现有的基础设施，诸如用于将内容分配到应用层312的代理服务器(例如，媒体内容分发服务器)和数据中心的地理分布式网络。内容分发网络304e进一步耦合到内容管理系统304h，内容管理系统304h被配置为管理数字媒体内容的创建和修改以最终经由内容分发网络304e分配给内容消费者。在示例性方面，内容管理系统304h由提供前端用户界面的内容管理应用组成，该前端用户界面允许编排管理器310的操作员根据本文公开的方法添加、修改和移除内容。此外，根据示例性方面，内容管理系统304h还可以包括内容分发应用，其被配置为根据动态修改的纲要和播放列表来编译内容。
系统300，特别是OTT平台还可以包括编码器和转码器(例如，编码和转码304f)以及服务器端动态广告插入引擎304g。这些组件的现有系统的示例在2019年2月5日发布的题为“Method and Apparatus for Content Replacement in Live Production”的美国专利号10,200,749中有所描述，该专利的内容通过引用并入本文。
数据管理平台304d可以进一步被提供以与分析引擎114(或被组成为分析引擎114的组件)一起工作，用于收集和管理这里描述的数据。例如，在一方面，数据管理平台304d可以包括平台性能指标模块，其被配置为基于由媒体和娱乐业设施302的一个或多个平台获取的内容类型、持续时间、实时趋势和性能指标，为具有目标消费者简档、广告商利益和预测ROI中的至少一个的至少一个下游平台生成性能指标。
如最后所示，系统300，特别是OTT平台304，还可以包括供应方平台304a、需求方平台304b和在线视频平台304c。在示例性方面，在线视频平台304c可以由视频托管服务提供并且可以被配置为使系统300的操作员能够将视频内容上传、转换、存储和回放到一个或多个应用层312。此外，供应方平台304a和需求方平台304b可以是由编排管理器310利用的常规广告平台，以使用这里描述的内容分发算法来递送作为直播视频制作的一部分的视频内容。
图4示出了根据示例性方面的配置编排管理器110/310(例如，软件平台)的方法400的流程图。注意，方法400被描述为具有配置的编排管理器110，但是如本领域技术人员应当理解的，该方法也适用于编排管理器310的配置。
最初，在步骤402，编排管理器110被配置为收集和/或访问然后查看由分析引擎114生成的数据。该数据是基于提供的广告数量、广告类型、定价、利润和成本以及来自广告管理系统(AMS)和媒体资产管理(MAM)和存储/存档系统的流量列表基于与当日时间、内容主题、平均播放时长和性能结果相关的历史每日档案而生成的。
接下来，在步骤404，编排管理器110被配置为监视和识别趋势故事和感兴趣主题、观众和分享的数量、对更详细信息的故事请求的数量以及对辅助报告的检查，使得编排管理器可以定义故事创建的兴趣和深度级别。注意，如本领域技术人员将理解的，步骤402和404可以顺序或并行执行。
在步骤406，编排管理器110被配置为访问和审查由推荐引擎116生成的数据。该引擎116使用来自数据管理平台(DMP)的用于平台的主题和用户简档的历史性能视图(除了基于供需的广告商主题兴趣和定价潜力之外)的信息，以及来自供应方平台(SSP)和需求方平台(DSP)的指标。用于历史性能审查的数据收集和访问的示例性技术在2018年11月13日发布的题为“Analytic System for Automatically Combining Advertising and Contentin Media Broadcasts”的美国专利号10,129,604中有所描述，该专利通过引用并入本文。
在任何情况下，在步骤408，编排管理器110然后被进一步配置为获取业务指标，例如与Amazon
Figure BDA0003393826440000131
Google
Figure BDA0003393826440000132
和/或Microsoft
Figure BDA0003393826440000133
开展业务的定价、带宽、规模，这样生成的ROI模型可以考虑不同平台的变量。这解释了IaaS类别，如编码/转码3044、服务器端动态广告插入304g、数据管理平台304d、内容分发网络304e和需求方平台广告304b服务及其用于在线视频平台304c和内容管理系统304h的第三方合作伙伴。在示例性方面，编排管理器110可以被配置为使用基础设施即代码(“IAC”)和配置即代码(“CAC”)中的至少一个以确保最佳地配置每个云的“工厂”。例如，当云提供商(例如，Amazon
Figure BDA0003393826440000134
)正在提供IaaS作为服务时，编排管理器110可以被配置为使用IAC/CAC来优化独特云平台(例如，交互式社交云106)上的ROI。
在步骤410，编排管理器110还可以被配置为访问社交和/或交互式平台，以导出用于选择的特定内容类型和类别以及参与持续时间的兴趣级别。例如，编排管理器可以被配置为收集与个人或个人消费者组的兴趣(例如，体育vs.购物)相关的数据。例如，可以通过收集观看次数(例如，此类平台上的喜爱数量)来执行此类分析。
根据示例性方面，在步骤412，编排管理器110然后被配置为学习和预测变化的ROI性能(例如，使用AI或机器学习)以建立用于线性播出的纲要或播放列表或时间表的最佳优先级和顺序。对于现场体育或娱乐事件，可以进行相同的过程，其中不是脚本化列表，而是按事件建议的实时事件将以自动化和被执行的或由制作人和/或导演的决策的层级顺序经由编排管理器生成的用户界面来显示。应当理解，应用的其他功能可以包括更多数据指标，尤其是因为它涉及消费者想要查看关于特定事件、球队对决和/或球员的存档历史数据或实时性能指标的运动。当与实时趋势结果结合时，由编排管理器110实现的AI可以被配置为生成该数据的“内容”、“地点”和“时间”以及其他相关联的媒体应该被召回，嵌入在图形中作为覆盖或自动全屏演示。
因此，根据方法400的示例性实施例，应当理解，编排管理器110被配置为使用数据科学以及从其他源收集的数据，以基于最大化ROI智能地自动化纲要和播放列表组装。基于可以在用户界面上呈现的预测纲要和播放列表，然后可以提示制片人/导演选择接受我们根据需要手动干预的自动化结果。
此外，应当注意，虽然编排管理器110被配置为使用人工智能和机器学习来识别优先级以提供最高的ROI，但是根据示例性方面的改进，编排管理器110也可以由广播公司及其广告商指定的关键因素驱动。例如，在一个示例性方面，编排管理器110被配置为提供用户界面，该用户界面使用户(例如，制作人/导演)能够根据用户偏好来定义哪些类别的数据应该被赋予不同的权重。例如，如果像
Figure BDA0003393826440000141
这样的广告商希望专注于有可支配收入且定期观看当地运动队的年轻男性，则广播公司和/或广告商可以根据人口统计和优选屏幕数据或甚至他们对“游戏”都有共同兴趣的事实(即，他们可能还想优先考虑“游戏”)，优先考虑“移动数据”相对于“电视”。换言之，编排管理器110被配置为利用最有可能被这些个人消费的数据来以媒体内容消费者作为目标。
更进一步，广播公司可以基于偏好对其他因素进行更大地加权，例如QoS和QoE加上自动CDN(内容分发网络)，其切换以提供流的最佳性能质量。因此，当自动生成预测纲要和/或播放列表或频道播出时间表时，用户可以分配优先级或者甚至生成动态控制编排管理器110的AI以对某些类型的数据进行更大加权的加权因子(例如，百分比)。
再进一步，甚至这些加权因子和用户偏好也可以被学习并随后被使用。例如，编排管理器110可以被配置为对由给定制作人或导演为给定类型的事件(例如，棒球比赛)设置的因素进行优先级排序和/或加权。随着时间的推移，编排管理器110可以收集该数据以进一步开发预测纲要和播放列表，然后将其呈现在用户界面上以用于后续现场事件，有效地最小化生成此类预测控制所需的后续处理时间。
在示例性实施例的又一个改进中，编排管理器110被配置为针对每个广播公司的纲要、播放列表或频道播出时间表(其可以是内容特定的)中的一个或多个，生成和/或存储每个广播公司的设置简档。例如，在新闻广播应用的情况下，节目的第一个块(块A)可以用于最热门的趋势主题，而他们更喜欢块B或C来关注并包括体育或天气。编排管理器110可以被配置为使用规则让AI按类别确定阵容，除非突发新闻需要覆盖决定和/或优选简档。在这方面，编排管理器110可以被配置为随着动态变化的进行随着时间的推移“学习”哪些变化在交付预期ROI方面有效与无效。例如，编排管理器110被配置为基于这样的变化来监视收视率并且动态地更新用户和消费者的数据库和简档，以便调整播放列表的内容以供将来向相似内容的相同或相似的位置/简档的消费者播出。
此外，在使用传统系统的一些情况下，纲要中的一个或多个不想要的故事可能被不必要地传送给不感兴趣并且不会观看故事的终端消费者。结果，生产系统浪费了不必要的处理器资源，并不必要地消耗了带宽来传输这些不需要的故事。根据示例性方面，如果编排管理器110的AI最初基于广播公司的优选简档和规则来制定纲要，但发生突发新闻，则编排管理器110可以被配置为通过删除故事或向导演呈现选项而自动/动态地改变纲要。此外，导演可以为编排管理器110建立规则以自动防止某些类别受到影响，例如使用用于设置预定义规则的用户界面。
在任何情况下，根据这里描述的示例性系统和方法，编排管理器110被配置为使用AI作为一种通过优先级阵容(即，纲要或播放列表)分析和预测内容的最佳使用的手段，以基于协调多平台内容创建、制作、分配和货币化的编排管理软件和/或平台而使ROI最大化。根据示例性方面，这种管理可以是前提的、基于云的或混合的，并且利用传统的流量与计费以及SSP平台进行定价和需求分析以及来自先前内容阵容的历史性能分析。
如上所述，用于现场制作和频道播出自动化的编排管理器110可以被实施为一个或多个计算机系统，该计算机系统被配置为执行这里描述的算法。在一个示例性方面，编排管理器110可以被实施为基于云的解决方案。在另一个示例性方面，编排管理器110可以被实施为硬件计算机系统。
图5是示出了根据示例性实施例的用于现场制作和频道播出的AI驱动编排自动化的系统和方法的方面所处的计算机系统的框图。在示例性方面，根据各种示例性方面，计算机系统20可以被配置为编排管理器110和/或编排引擎112、分析引擎114和推荐引擎116中的一个或多个。
如图所示，该框图示出了根据示例性方面的计算机系统20，在该计算机系统20上可以实现用于现场制作和频道播出自动化的编排管理器的方面。计算机系统20可以是多个计算设备的形式，或者是单个计算设备的形式，例如台式计算机、笔记本式计算机、膝上型计算机、移动计算设备、智能手机、平板电脑、服务器、主机、嵌入式设备以及其他形式的计算设备。
此外，计算机系统20包含中央处理器(CPU)21、系统存储器22以及系统总线23，其连接各种系统组件，包含与中央处理器21相关联的存储器。系统总线23可以包括总线存储器或总线存储器控制器、外围总线以及能够与任何其他总线构架交互的局部总线。总线的示例可以包含PCI、ISA、PCI-Express、HyperTransportTM、InfiniBandTM、串行ATA、I2C以及其他合适的互连。中央处理器21(也被称为处理器)可以包含具有单个或多个内核的单组或多组处理器。处理器21可以执行实施本公开的技术的一个或多个计算机可执行代码。系统存储器22可以是用于存储本文使用的数据和/或可由处理器21执行的计算机程序的任何存储器。系统存储器22可以包含诸如随机存取存储器(RAM)25的易失性存储器，和诸如只读存储器(ROM)24、闪存等的非易失性存储器，或者其任何组合。基本输入/输出系统(BIOS)26可以存储用于在计算机系统20的元件之间传递信息的基本程序，诸如在使用ROM 24加载操作系统时的那些程序。
计算机系统20可以包含一个或多个存储设备，诸如一个或多个可移动存储设备27、一个或多个不可移动存储设备28、或其组合。一个或多个可移动存储设备27和不可移动存储设备28经由存储接口32连接到系统总线23。一方面，存储设备和相应的计算机可读存储介质是用于存储计算机系统20的计算机指令、数据结构、程序模块以及其他数据的独立电源模块。系统存储器22、可移动存储设备27以及不可移动存储设备28可以使用各种计算机可读存储介质。计算机可读存储介质的示例包含，诸如高速缓存、SRAM、DRAM、无电容器RAM、双晶体管RAM、eDRAM、EDO RAM、DDR RAM、EEPROM、NRAM、RRAM、SONOS、PRAM的机器存储器；诸如在固态硬盘(SSD)或闪存驱动器中的闪存或其他存储器技术；诸如在硬盘驱动器或软盘中的磁带盒、磁带以及磁盘存储器；诸如在光盘(CD-ROM)或数字化视频光盘(DVD)中的光存储；以及可以被用来存储所需数据并且可以由计算机系统20访问的任何其他介质。应当理解，这些存储器模块中的一个或多个可以被配置为收集和存储上述指标数据，如本领域技术人员所理解的。
此外，计算机系统20的系统存储器22、可移动存储设备27以及不可移动存储设备28可以被用来存储操作系统35、附加程序应用程序37、其他程序模块38以及程序数据39。计算机系统20可以包含外围接口46，用于经由一个或多个I/O端口(诸如串行端口、并行端口、通用串行总线(USB)或其他外围接口)从输入设备40(诸如键盘、鼠标、触控笔、游戏控制器、语音输入设备、触摸输入设备)或其他外围设备(诸如打印机或扫描仪)进行数据通信。诸如一个或多个监视器、投影仪或集成显示器的显示设备47也可以通过诸如视频适配器的输出接口48连接到系统总线23。除了显示设备47之外，计算机系统20还可以配备有其他外围输出设备(未示出)，诸如扬声器和其他视听设备。
计算机系统20可以在网络环境中操作，使用网络连接到一个或多个远程计算机49。远程计算机49可以是本地计算机工作站或服务器，其包括描述计算机系统20性质时的大部分或全部上述元件。其他设备也可以存在于计算机网络中，诸如但不限于路由器、网络站、对等设备或其他网络节点。计算机系统20可以包含一个或多个网络接口51或通信适配器，用于经由诸如局域计算机网络(LAN)50、广域计算机网络(WAN)、内部网以及互联网的一个或多个网络与远程计算机49进行通信。网络接口51的示例可以包含以太网接口、帧中继接口、SONET接口以及无线接口。应当理解的是，一台或多台远程计算机也可以是如上所述收集其指标数据的其他计算设备。
本公开的方面可以是系统、方法和/或计算机程序产品。计算机程序产品可以包含计算机可读存储介质(或多个介质)，其上具有用于使处理器执行本公开方面的计算机可读程序指令。
计算机可读存储介质可以是有形设备，其可以以指令或数据结构形式保存和存储程序代码，可以由计算设备(诸如计算系统20)的处理器访问该程序代码。计算机可读存储介质可以是电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或其任何合适的组合。举例来说，这样的计算机可读存储介质可以包括随机存取存储器(RAM)、只读存储器(ROM)、EEPROM、便携式光盘只读存储器(CD-ROM)、数字化视频光盘(DVD)、闪存、硬盘、便携式计算机磁盘、记忆棒、软盘，甚至包括机械编码的设备，诸如打孔卡或其上记录有指令的凹槽中的凸起结构。如本文使用的，计算机可读存储介质不应被解释为瞬态信号本身，诸如无线电波或其他自由传播的电磁波、通过波导或传输介质传播的电磁波、或通过导线传送的电信号。
本文描述的计算机可读程序指令可以从计算机可读存储介质下载到相应的计算设备，或者经由网络(例如互联网、局域网、广域网和/或无线网络)下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光传输光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算设备中的网络接口从网络接收计算机可读程序指令，并转发计算机可读程序指令以存储在相应计算设备内的计算机可读存储介质中。
用于执行本公开的操作的计算机可读程序指令可以是汇编指令、指令集体系结构(ISA)指令、机器指令、机器相关指令、微码、固件指令、状态设置数据或者是以一种或多种编程语言(包含面向对象编程语言和常规程序编程语言)的任意组合编写的源代码或目标代码的任一种。计算机可读程序指令可以完全在用户计算机上执行，部分在用户计算机上执行，作为独立软件包，部分在用户计算机上以及部分在远程计算机上执行或完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可以通过任何类型的网络(包含LAN或WAN)连接到用户的计算机，或者可以连接到外部计算机(例如，通过互联网)。在一些方面，包含例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路可以通过利用计算机可读程序指令的状态信息执行计算机可读程序指令，来个性化电子电路，以便执行本公开的方面。
在各个方面，本公开中描述的系统和方法可以按照模块来解决。如本文使用的术语“模块”是指使用硬件(诸如通过专用集成电路(ASIC)或FPGA)实施的现实世界的设备、组件或组件的布置，例如，或者作为硬件和软件的组合，诸如通过微处理器系统和一组实施模块功能的指令，这些功能(正在被执行时)将微处理器系统转换成专用设备。模块还可以被实施为两者的组合，某些功能单独由硬件实现，并且其他功能由硬件和软件的组合实现。在某些实施方式中，可以在计算机系统的处理器(诸如上面更详细描述的那个)上执行模块的至少一部分，并且在一些情况下，其全部。相应地，可以以各种合适的配置实现每个模块，并且不应限于本文例示的任何具体实施方式。
为清楚起见，本文并未公开这些方面的所有常规特征。应当理解，在开发本公开的任何实际实施方式中，必须做出许多具体于实施方式的决策，以便实现开发者的具体目标，并且这些具体目标将对于不同的实施方式和不同的开发者变化。可以理解，这样的开发工作可能是复杂且耗时的，但是对于受益于本公开的本领域普通技术人员而言，这将不过是常规的工程任务。
此外，应当理解，本文使用的措辞或术语是为了描述而非限制，使得将由本领域技术人员结合一个或多个相关领域技术人员的知识，根据本文呈现的教导和指导解释本说明书的术语或措辞。此外，除非像这样明确规定，否则不打算赋予本说明书或权利要求书中的任何术语不常见或特殊的含义。
本文公开的各个方面包含本文通过说明的方式提及的已知模块的当前和未来已知的等效物。此外，虽然已经示出和描述了方面和应用，但是对于受益于本公开的本领域技术人员而言显而易见的是，可以进行比上述更多的修改，而不会脱离本文公开的创造性概念。

Claims (23)

1.一种用于现场制作和频道播出的编排自动化的系统，所述系统包括：
分析引擎，所述分析引擎被配置为基于媒体内容的历史档案审查和优先级来生成历史性能指标，其中，所述分析引擎包括平台性能指标模块，其被配置为基于内容类型、持续时间、实时趋势和性能指标，生成用于具有目标消费者简档、广告商利益和预测ROI中的至少一个的至少一个下游平台的性能指标；
推荐引擎，所述推荐引擎被配置为监视和识别至少一个与生成的用于决策的历史性能指标一致的感兴趣主题，其中，所述推荐引擎包括ROI投影仪，其被配置为访问社交和交互式平台中的至少一个，基于生成的用于决策的历史性能指标和生成的用于至少一个下游平台的性能指标，来推导出用于选择的特定内容类型和类别以及参与持续时间的至少一个兴趣级别，以基于历史指标生成计划的ROI性能；
编排引擎，所述编排引擎被配置为学习所述计划的ROI性能的变化，以便建立用于直播视频制作的纲要和播放列表中的至少一个的最佳优先级和顺序；以及
媒体内容分发服务器，所述媒体内容分发服务器被配置为基于所建立的用于所述纲要和播放列表中的至少一个的最佳优先级和顺序，分配用于直播视频制作的媒体内容；
其中，所述编排引擎还被配置为生成用户界面，所述用户界面被配置为接收至少一部分历史性能指标、至少一个与生成的用于决策的历史性能指标一致的感兴趣主题以及生成的用于至少一个下游平台的性能指标的加权因子，所述下游平台被配置为接收包括所述媒体内容的直播产品，并且
其中，所述编排引擎还被配置为响应于所述用户界面接收到的对所述加权因子的调整，动态地调整所建立的用于纲要和播放列表中的至少一个的最佳优先级和顺序。
2.根据权利要求1所述的系统，其中，所述编排引擎还被配置为将与所识别的至少一个感兴趣主题相关的附加图形嵌入到所述直播视频制作中。
3.根据权利要求1所述的系统，其中，所述分析引擎还被配置为监视所述直播产品的收视率并且基于所监视的收视率的反馈数据而动态地更新所建立的用于至少一个纲要或播放列表的最佳优先级和顺序。
4.根据权利要求1所述的系统，其中，所述编排引擎被配置为通过基于所监视的收视率的反馈数据而丢弃故事，从而动态地更新所建立的用于至少一个纲要或播放列表的最佳优先级和顺序。
5.根据权利要求1所述的系统，其中，所述编排引擎被配置为使用基础设施即代码和配置即代码中的至少一个来建立用于所述直播视频制作的纲要和播放列表中的至少一个的最佳优先级和顺序。
6.根据权利要求1所述的系统，其中，所述分析引擎被配置为监视所述直播视频制作的视频输出信号，以识别所述直播视频制作的内容分发的错误，其中所述错误是断电、节目输出冻结、音频唇形同步未对准以及像素化错误之一。
7.根据权利要求6所述的系统，其中，所述编排引擎被配置为响应于所述内容分发的所识别的错误，动态地更新所建立的用于至少一个纲要或播放列表的最佳优先级和顺序。
8.一种用于制作和频道播出的编排自动化的系统，所述系统包括：
分析引擎，所述分析引擎被配置为：
基于媒体内容的历史档案审查和优先级来生成历史性能指标，并且
基于内容类型、持续时间、实时趋势和性能指标，生成用于具有目标消费者简档、广告商利益和预测ROI中的至少一个的至少一个下游平台的性能指标；
推荐引擎，所述推荐引擎被配置为：
监视和识别至少一个与生成的用于决策的历史性能指标一致的感兴趣主题，并且
访问社交和交互式平台中的至少一个，基于生成的用于决策的历史性能指标和生成的用于至少一个下游平台的性能指标，来推导出用于选择的特定内容类型和类别以及参与持续时间的至少一个兴趣级别，以基于历史指标生成计划的ROI性能；
编排引擎，所述编排引擎被配置为学习所述计划的ROI性能的变化，以便建立用于视频制作的纲要和播放列表中的至少一个的最佳优先级和顺序；以及
媒体内容分发服务器，所述媒体内容分发服务器被配置为基于所建立的用于所述纲要和播放列表中的至少一个的最佳优先级和顺序，分配所述视频制作；
其中，所述编排引擎还被配置为响应于从用户界面接收到的输入，动态地调整所建立的用于纲要和播放列表中的至少一个的最佳优先级和顺序。
9.根据权利要求8所述的系统，其中，所述编排引擎还被配置为生成所述用户界面，所述用户界面被配置为接收至少一部分历史性能指标、至少一个与生成的用于决策的历史性能指标一致的感兴趣主题以及生成的用于至少一个下游平台的性能指标的加权因子，所述下游平台被配置为接收包括所述媒体内容的直播产品。
10.根据权利要求9所述的系统，其中，所述编排引擎还被配置为响应于所述用户界面接收到的对所述加权因子的调整，动态地调整所建立的用于纲要和播放列表中的至少一个的最佳优先级和顺序。
11.根据权利要求8所述的系统，其中，所述编排引擎还被配置为将与所识别的至少一个感兴趣主题相关的附加图形嵌入到直播制作中。
12.根据权利要求8所述的系统，其中，所述分析引擎还被配置为监视所述直播产品的收视率并且基于所监视的收视率的反馈数据而动态地更新所建立的用于至少一个纲要或播放列表的最佳优先级和顺序。
13.根据权利要求8所述的系统，其中，所述编排引擎被配置为通过基于所监视的收视率的反馈数据而丢弃故事，从而动态地更新所建立的用于至少一个纲要或播放列表的最佳优先级和顺序。
14.根据权利要求8所述的系统，其中，所述编排引擎被配置为使用基础设施即代码和配置即代码中的至少一个来建立用于所述直播视频制作的纲要和播放列表中的至少一个的最佳优先级和顺序。
15.根据权利要求8所述的系统，其中，所述分析引擎被配置为监视直播制作的视频输出信号，以识别所述直播制作的内容分发的错误，其中所述错误是断电、节目输出冻结、音频唇形同步未对准以及像素化错误之一。
16.根据权利要求15所述的系统，其中，所述编排引擎被配置为响应于所述内容分发的所识别的错误，动态地更新所建立的用于至少一个纲要或播放列表的最佳优先级和顺序。
17.一种用于现场制作和频道播出的编排自动化的系统，所述系统包括：
分析装置，所述分析装置用于基于媒体内容的历史档案审查和优先级来生成历史性能指标；
基于内容类型、持续时间、实时趋势和性能指标而生成用于至少一个下游平台的性能指标的装置，所述下游平台具有目标消费者简档、广告商利益和预测ROI中的至少一个；
推荐装置，所述推荐装置用于监视和识别至少一个与生成的用于决策的历史性能指标一致的感兴趣主题；
ROI投影装置，所述ROI投影装置用于访问社交和交互式平台中的至少一个，基于生成的用于决策的历史性能指标和生成的用于至少一个下游平台的性能指标，来推导出用于选择的特定内容类型和类别以及参与持续时间的至少一个兴趣级别，以基于历史指标生成计划的ROI性能；
编排装置，所述编排装置用于学习所述计划的ROI性能的变化，以便建立用于直播视频制作的纲要和播放列表中的至少一个的最佳优先级和顺序；以及
媒体内容分发服务器，所述媒体内容分发服务器被配置为基于所建立的用于所述纲要和播放列表中的至少一个的最佳优先级和顺序，分配用于直播视频制作的媒体内容；
其中，所述编排装置还被配置用于生成用户界面，所述用户界面被配置为接收至少一部分历史性能指标、至少一个与生成的用于决策的历史性能指标一致的感兴趣主题以及生成的用于至少一个下游平台的性能指标的加权因子，所述下游平台被配置为接收包括所述媒体内容的直播产品，并且
其中，所述编排装置还被配置用于响应于所述用户界面接收到的对所述加权因子的调整，动态地调整所建立的用于纲要和播放列表中的至少一个的最佳优先级和顺序。
18.根据权利要求17所述的系统，其中，所述编排装置还被配置用于将与所识别的至少一个感兴趣主题相关的附加图形嵌入到所述直播视频制作中。
19.根据权利要求17所述的系统，其中，所述分析装置还被配置用于监视所述直播产品的收视率并且基于所监视的收视率的反馈数据而动态地更新所建立的用于至少一个纲要或播放列表的最佳优先级和顺序。
20.根据权利要求17所述的系统，其中，所述编排装置被配置用于通过基于所监视的收视率的反馈数据而丢弃故事，从而动态地更新所建立的用于至少一个纲要或播放列表的最佳优先级和顺序。
21.根据权利要求17所述的系统，其中，所述编排装置被配置用于使用基础设施即代码和配置即代码中的至少一个来建立用于所述直播视频制作的纲要和播放列表中的至少一个的最佳优先级和顺序。
22.根据权利要求17所述的系统，其中，所述分析装置被配置用于监视所述直播视频制作的视频输出信号，以识别所述直播视频制作的内容分发的错误，其中所述错误是断电、节目输出冻结、音频唇形同步未对准以及像素化错误之一。
23.根据权利要求22所述的系统，其中，所述编排装置被配置用于响应于所述内容分发的所识别的错误，动态地更新所建立的用于至少一个纲要或播放列表的最佳优先级和顺序。
CN202080041725.9A 2019-04-05 2020-04-03 现场制作和频道播出的ai驱动编排自动化的系统及方法 Pending CN114270869A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201962830268P 2019-04-05 2019-04-05
US62/830,268 2019-04-05
US16/837,648 2020-04-01
US16/837,648 US20200322664A1 (en) 2019-04-05 2020-04-01 System and method for ai driven orchestration automation of live production & channel playout
PCT/CA2020/050448 WO2020198879A1 (en) 2019-04-05 2020-04-03 System and method for ai driven orchestration automation of live production and channel playout

Publications (1)

Publication Number Publication Date
CN114270869A true CN114270869A (zh) 2022-04-01

Family

ID=72662650

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080041725.9A Pending CN114270869A (zh) 2019-04-05 2020-04-03 现场制作和频道播出的ai驱动编排自动化的系统及方法

Country Status (5)

Country Link
US (1) US20200322664A1 (zh)
EP (1) EP3949425A4 (zh)
CN (1) CN114270869A (zh)
CA (1) CA3136155A1 (zh)
WO (1) WO2020198879A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11916915B2 (en) * 2021-03-09 2024-02-27 Jpmorgan Chase Bank, N.A. Method and system for multiplatform file transfer

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2538438A1 (en) * 2006-03-01 2007-09-01 Legalview Assets, Limited Systems and methods for media programming
CN102016908A (zh) * 2008-05-06 2011-04-13 微软公司 媒体内容节目编排，传递和消费
CN103051939A (zh) * 2012-12-31 2013-04-17 中央电视台 一种中插广告编排处理的方法
US20150033273A1 (en) * 2010-12-01 2015-01-29 At&T Intellectual Property I, L.P. Method and system for performance metric analysis of video assets
TW201547267A (zh) * 2014-06-11 2015-12-16 Eastern Information Technology Co Ltd 節目智能排播系統及其實施方法
US20170118533A1 (en) * 2015-10-26 2017-04-27 Gvbb Holdings S.A.R.L. Analytic system for automatically combining advertising and content in media broadcasts
US20180014076A1 (en) * 2016-07-05 2018-01-11 Pluto Inc. Methods and systems for generating and providing program guides and content
US20180329744A1 (en) * 2013-03-15 2018-11-15 Advanced Elemental Technologies, Inc. Tamper resistant, identity-based, purposeful networking arrangement
WO2018211042A1 (en) * 2017-05-17 2018-11-22 Derrick John Hamlin Digital processing connectivity
US20190058928A1 (en) * 2017-10-17 2019-02-21 Kuma LLC Systems and methods for prompting and incorporating unscripted user content into live broadcast programming

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10701416B2 (en) * 2018-10-12 2020-06-30 Disney Enterprises, Inc. Content promotion through automated curation of content clips

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2538438A1 (en) * 2006-03-01 2007-09-01 Legalview Assets, Limited Systems and methods for media programming
CN102016908A (zh) * 2008-05-06 2011-04-13 微软公司 媒体内容节目编排，传递和消费
US20150033273A1 (en) * 2010-12-01 2015-01-29 At&T Intellectual Property I, L.P. Method and system for performance metric analysis of video assets
CN103051939A (zh) * 2012-12-31 2013-04-17 中央电视台 一种中插广告编排处理的方法
US20180329744A1 (en) * 2013-03-15 2018-11-15 Advanced Elemental Technologies, Inc. Tamper resistant, identity-based, purposeful networking arrangement
TW201547267A (zh) * 2014-06-11 2015-12-16 Eastern Information Technology Co Ltd 節目智能排播系統及其實施方法
US20170118533A1 (en) * 2015-10-26 2017-04-27 Gvbb Holdings S.A.R.L. Analytic system for automatically combining advertising and content in media broadcasts
US20190014390A1 (en) * 2015-10-26 2019-01-10 Gvbb Holdings S.A.R.L. Analytic system for automatically combining advertising and content in media broadcasts
US20180014076A1 (en) * 2016-07-05 2018-01-11 Pluto Inc. Methods and systems for generating and providing program guides and content
WO2018211042A1 (en) * 2017-05-17 2018-11-22 Derrick John Hamlin Digital processing connectivity
US20190058928A1 (en) * 2017-10-17 2019-02-21 Kuma LLC Systems and methods for prompting and incorporating unscripted user content into live broadcast programming

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
钟映红: "全媒体架构下频道总编管理业务的设计", RADIO & TV JOURNAL *

Also Published As

Publication number Publication date
EP3949425A4 (en) 2023-06-07
US20200322664A1 (en) 2020-10-08
CA3136155A1 (en) 2020-10-08
EP3949425A1 (en) 2022-02-09
WO2020198879A1 (en) 2020-10-08

Similar Documents

Publication Publication Date Title
US20220277337A1 (en) Methods, systems, and computer-readable media for dynamic content allocation
US9781459B2 (en) Nonlinear manifold clustering to determine a recommendation of multimedia content
US10708669B2 (en) Computer-based optimized insertion of non-program media items in media programs
CN102656898B (zh) 在线社交网络上的自动媒体资产更新
US20150312632A1 (en) Systems and methods for determining a likelihood of user termination of services
US20150256885A1 (en) Method for determining content for a personal channel
US20140259037A1 (en) Predicted video content aggregation
US20140122601A1 (en) Api translator for providing a uniform interface for users using a variety of media players
US9986300B2 (en) Social delivery of IPTV streams
CN106257930A (zh) 生成内容的动态时间版本
US10445762B1 (en) Online video system, method, and medium for A/B testing of video content
US11006159B2 (en) Hybrid video time-bandwidth product improvement (HVTBPI) transmission
US20150046935A1 (en) Guaranteed Ad Targeting with Stable Precision
US20230362425A1 (en) Evolutionary parameter optimization for selecting optimal personalized screen carousels
CN114270869A (zh) 现场制作和频道播出的ai驱动编排自动化的系统及方法
US9888274B2 (en) Price driven multimedia content reception
AU2017276208A1 (en) Multimedia content distribution and recommendation system
US20230096951A1 (en) Reinforcement learning for delivery of content
US10419795B2 (en) Price driven multimedia content transmission
JP6590920B2 (ja) メディアサービス推奨を表示する電子プログラムガイド
US20200184358A1 (en) Video Content Valuation Prediction Using A Prediction Network
US11671668B2 (en) Training of multiple parts of a model to identify behavior to person prediction
Dede et al. The cloud TV emerging challenge: forecasting and investment analysis
US20210160574A1 (en) Systems and methods for providing binge-watching recommendations
KR20240002089A (ko) 다중 채널 네트워크의 컨텐츠 서비스 제공 방법, 장치 및 시스템

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination