基于对编码技术的持续深耕和创新突破,腾讯云在MSU视频编码器大赛中拿下两个重量级冠军。
10月30日,莫斯科国立大学(Moscow State University)举办的2021年视频编码器大赛放榜,H.265和AV1这两个赛道的结果被业界关注,是目前业界广泛应用和快速发展的两个主要技术方向。
在H.265赛道,腾讯云持续打造的V265编码器已经连续四年保持行业领先,各项指标排名全部第一,相对第二名优势明显;在AV1赛道,腾讯云今年首次推出的VAV1自研编码器也实现全部指标第一,取得面向新一代编码技术的又一突破。全部指标包含PSNR-MSE、PSNR-LOG、SSIM、MS-SSIM、VMAF、VMAF-NEG等多项指标。
视频编码是一种对视频数字化信息进行压缩的底层核心技术,旨在节省视频传输和存储的带宽。在4K/8K高清视频快速发展、网络带宽压力日益凸显的当下,视频编码技术成为各大互联网公司重点投入的研发领域。
MSU视频编码器大赛作为视频压缩领域最具影响力的顶级赛事,迄今已连续举办了十六届,吸引了包括英特尔、谷歌、英伟达、华为、阿里和腾讯在内的国内外知名企业参与。今年大赛竞争更加激烈,总计有22个编码器公开测试结果,相比起去年数量翻了一倍以上。
精耕细作,腾讯V265编码器连续四年领先
凭借在V265技术方向上的持续积累和极致优化,腾讯V265编码器在激烈竞争中继续保持领先地位,慢速(1帧每秒)和快速(30帧每秒)编码档位都取得第一。
在快速编码档位,V265和第二名相比领先优势明显。
(小标题)腾讯VAV1编码器首次参赛即拿下赛道全部指标第一
新一代编码技术是许多科技公司正在抢占的研发高地。其中,AV1专利友好且生态完备,主流浏览器都已支持AV1高速软解;越来越多的手机、电视、显卡设备也逐步支持AV1硬件解码。2019年,腾讯成为第一个加入其背后标准制定组织AOM(开放媒体联盟)的中国企业,足见对这一技术方向的重视。
图:下一代编码AV1的H5生态支持
VAV1编码器与V265一样,完全依靠腾讯自身力量研发而成。技术团队从标准工具开始自研设计,历时一年多已初步实现并开始部署应用,首次参赛就在新一代AV1赛道上取得各项指标第一。
经测试,VAV1已做到相比开源SVT-AV1,在加速64倍的同时,取得更高的压缩率;或者在压缩率节省超过11.5%时,加速7.23倍。
当前VAV1编码器也在腾讯云直播转码业务中率先应用,在支持1080p@60fps的直播转码时,相比X265可节省38%以上带宽。
此外,VAV1编码器为腾讯云提供了AVIF图片编码能力,比webp压缩率节省超30%,耗时仅增加48%,并支持云上超大图片编码、HDR编码和alpha通道编码等需求。
随着5G的普及,全真互联网时代正在加速来临,云游戏、VR和4K/8K高清直播等超高清流媒体应用迅猛增长,视频编码是决定体验和成本的关键技术。凭借在编码算法和硬件设计方面的多年积累,腾讯云自研编码器将会进一步在视频画质、带宽占用、计算成本等方面为行业提供性能更佳的解决方案,与腾讯实时音视频(TRTC)等领先音视频技术形成组合拳,助力产业快速发展。
好文章,需要你的鼓励
微软宣布为Word和Excel推出基于OpenAI的AI代理模式,通过简单提示即可自动生成文档和分析数据。Word用户可享受"氛围写作"功能,利用现有文档组装报告和提案。Excel代理能分析电子表格数据并生成可视化报告。尽管在SpreadsheetBench基准测试中准确率仅为57.2%,低于人类平均水平71.3%,但微软强调其针对实际工作场景优化。此外,微软还发布了基于Anthropic的Office代理,显示其正逐步减少对OpenAI的依赖。
苹果与清华合作提出EpiCache技术,解决AI长期对话中的记忆管理难题。该方法将对话自动分割成话题片段,为每个话题建立专门记忆库,实现智能匹配和高效检索。实验显示,EpiCache比传统方法准确率提高40%,内存使用减少4-6倍,响应速度提升2.4倍,为资源受限环境下的AI对话系统提供了实用解决方案。
OpenAI为美国ChatGPT用户推出"即时结账"功能,用户可在对话中直接购买Etsy和Shopify商品,无需跳转至外部网站。该功能支持Apple Pay、Google Pay等多种支付方式,并计划接入超过100万家Shopify商户。OpenAI还将开源其代理商务协议技术,与谷歌的代理支付协议形成竞争。这标志着电商购物模式的重大转变,AI聊天机器人可能重塑在线零售发现和支付生态系统。
清华大学与英伟达合作提出DiffusionNFT,一种革命性的AI图像生成训练方法。该方法通过对比正负样本进行学习,避免了复杂的概率计算,训练效率比传统方法提升25倍。研究团队在多项测试中验证了其优越性,不仅大幅提升了图像质量和文字渲染能力,还实现了无需分类器引导的高效训练,为AI图像生成技术的普及和应用奠定了重要基础。