韩嫕:坚持coding

简介: 与韩嫕结识得益于大师兄(FFmpeg社区的刘歧)的推荐,大约2个月前我正在为LiveVideoStackCon 2019深圳寻找讲师,韩嫕和她的团队正在探索通过AI实现自动化剪辑,提升后期编辑的效率。 在此次大会上,韩嫕将会就这一话题详细介绍他们的实践与经验。

文 / 韩嫕


策划 / LiveVideoStack


LiveVideoStack: 韩嫕你好,很高兴代表LiveVideoStack采访你。 第一个问题,你是如何进入到多媒体技术领域,并一步一步走到今天的?

 

韩嫕: 我在大学和研究生的时候主要学习方向就是通信工程,重点学习内容集中在图像、视频编解码方面。 个人爱好摄影、摄像和制作视频。

 

毕业后进入央视国际网络有限公司工作,由于自己通信和多媒体学科背景的原因,选择了在手机视频方面继续工作。 从视频编转码、支撑平台搭建、客户端开发、手机应用做起。 2009年开始工作以来,经历过MTK、Symbian再到后来的安卓、iOS、MeeGo、WindowsPhone,基本上从2009年开始随着移动网络的发展,一直从事跟移动多媒体相关的工作。

 

在个人成长中担任过技术开发、项目管理、产品设计、技术架构师、内容运营、市场拓展和部门管理等一系列的工作,目前在央视频融媒体发展有限公司担任技术负责人。

 

LiveVideoStack: 如果让你重新选择技术领域,你还会选择多媒体吗? 大数据,人工智能的价值也越来越大。

 

韩嫕: 我想个人可能还是会选择多媒体领域。 一个是个人兴趣使然,另外一方面我觉得视频行业在未来的互联网或者物联网发展中将会是一种基础能力,我们也看到越来越多的云公司将视频云定位为其基础服务能力,我还是非常看好这个行业的。 大数据和人工智能已经普及到了各个行业领域,视频行业也不例外。 目前我们也在重点探索将人工智能与传统视频行业的结合,无论在生产制作、传输分发和用户体验上利用大数据和人工智能来优化。


LiveVideoStack: 有没有一些关键人、经历或一本书等,对你产生了重大影响。

 

韩嫕: 对我影响比较大的人挺多的,最重要的是我的家人,从他们身上学习到的是一种对于工作的忠诚和坚持,以及不停敦促自己学习进步的生活态度。 我也有一个精神上的偶像是乔布斯,那种对于产品的极致体验近乎极端的苛刻追求和对于科学和技术绝对的尊重是我非常欣赏并且也希望学习的精神,同时我比较坚信世界上没有抄袭的成功,坚持和一条道走到黑,是成功路上很重要的法宝。 最后是身边的团队,团队中有很多厉害的人,当有共同目标的时候所有人可以相互支持、互相补台的工作氛围是我可以快速成长的重要因素。

 

LiveVideoStack: 如果让你来总结掌握好多媒体技术的关键,你会给出哪些建议?

 

韩嫕: 我觉得在多媒体技术方面工作,最重要的是实践和挖掘新场景下的应用形态。 技术要成为服务于行业、服务于用户的重要转移是与应用场景相结合。 我看到过很多新技术苦于没有应用场景融合迟迟无法推向市场。 其次我建议应该多去了解和学习新的技术。 最后建议想在技术领域发展的朋友可以至少每周要坚持有一些实践和实操,坚持做一些coding方面的工作。


LiveVideoStack: 说说你目前的工作内容和研究方向吧。

 

韩嫕: 目前工作中我团队的主要精力 是在做中央广播电视总台的一款新的App,完成整体平台设计和搭建,是一款视频产品。 所以团队还是集中在视频领域,除了常规视频的编解码、传输分发、调度管理这些外,也在大数据和人工智能方面结合视频特征有一些探索和研究。 比如对于视频信息内容的识别和标记、视频编码过程中通过引入AI能力进行视频增强和超分等工作。 最近我们重点在探索5G环境下4K、互动视频、大小屏交互的场景,包括其内容的采集、制作、分发和传输相关的技术点。 我们重点研究5G环境下新视频的新体验内容。

 

LiveVideoStack: 能否剧透下你将在LiveVideoStackCon 2019深圳上分享的内容?

 

韩嫕: 本次LiveVideoStackCon2019深圳站,我将带来基于人工智能的视频AI拆条的一些探索和实践经验,结合国庆大阅兵和目前电视频道节目的特征,针对综艺节目、赛事等拆条的一些相关内容分享。

 

LiveVideoStack: 展望2020年,你看好哪些多媒体相关的技术,在哪些行业及应用场景得到进一步发展,甚至爆发?

 

韩嫕: 2020年5G将会给多媒体行业带来更多的机会。 同场体验的视频观感应该会成为一种新的趋势,在这样的氛围下用户需要更多的参与体验和互动体验。 我个人还比较看好互动视频以及MR方式的沉浸式视频方向。 教育、培训、养老陪护等方面应该有机会成为视频场景服务的爆发点。

————————————————

版权声明:本文为CSDN博主「LiveVideoStack_」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。

原文链接:https://blog.csdn.net/vn9PLgZvnPs1522s82g/article/details/102813066


「视频云技术」你最值得关注的音视频技术公众号,每周推送来自阿里云一线的实践技术文章,在这里与音视频领域一流工程师交流切磋。

阿里云视频云@凡科快图.png

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
数据采集 SQL 存储
一种基于Hive的数据质量检核方法
本发明提出了一种数据质量检核方法、装置、设备及可读存储介质,所述方法包括如下步骤:1)根据质量检核需求,对多业务系统数据进行关联建模,生成关联建模结果;2)根据所述关联建模结果,配置数据质量检核规则,获取数据配置结果;3)将所述数据配置结果导入规则解析器,生成检核脚本;4)将所述检核脚本导入脚本执行器,生成检核明细表;5)对所述检核明细表进行汇总统计,生成检核结果报告。本发明通过针对不同的检核要求,将多业务系统数据进行临时关联汇总,初步对待检核数据进行筛选,限定数据范围,可以大大提升质量检核结果的准确性和有效性,以及降低使用和维护成本。
1531 0
一种基于Hive的数据质量检核方法
|
机器学习/深度学习 人工智能 自然语言处理
生成式人工智能的价值回归:重塑技术、社会与个体的发展轨迹
生成式人工智能(Generative AI)正以前所未有的速度重塑社会面貌。它从单一决策工具转变为创造性生产力引擎,推动知识生产、艺术创作与科学研究的发展。同时,其广泛应用引发社会生产力和生产关系的深刻变革,带来就业结构变化与社会公平挑战。此外,生成式AI还面临伦理法律问题,如透明性、责任归属及知识产权等。培生公司推出的生成式AI认证项目,旨在培养专业人才,促进技术与人文融合,助力技术可持续发展。总体而言,生成式AI正从工具属性向赋能属性升华,成为推动社会进步的新引擎。
|
10月前
|
消息中间件 人工智能 监控
【云故事探索】NO.15:阿里云云原生加速鸣鸣很忙数字化
鸣鸣很忙集团作为中国最大休闲食品饮料连锁零售商,通过数字化与云原生技术实现快速扩张,4年完成其他企业10年的数字化进程。其采用阿里云全栈云原生方案,实现弹性扩容、智能补货、模块化开店等创新实践,支撑日均超430万交易数据稳定运行。未来将深化AI应用,推动供应链智能化与业务全面升级。
|
Kubernetes 网络协议 Nacos
OpenAI 宕机思考丨Kubernetes 复杂度带来的服务发现系统的风险和应对措施
Kubernetes 体系基于 DNS 的服务发现为开发者提供了很大的便利,但其高度复杂的架构往往带来更高的稳定性风险。以 Nacos 为代表的独立服务发现系统架构简单,在 Kubernetes 中选择独立服务发现系统可以帮助增强业务可靠性、可伸缩性、性能及可维护性,对于规模大、增长快、稳定性要求高的业务来说是一个较理想的服务发现方案。希望大家都能找到适合自己业务的服务发现系统。
612 96
|
11月前
|
人工智能 自然语言处理 Kubernetes
导演、编剧、特效师都要失业?生成式AI正在悄悄重塑影视工业
导演、编剧、特效师都要失业?生成式AI正在悄悄重塑影视工业
469 0
|
存储 数据管理 大数据
数字化协作工具在酒店运营中的五大实践场景
**从“粗放管理”到“精细化运营”的转型** 酒店行业正从依赖经验和直觉的管理模式转向数据驱动的精细化运营。在线协同工具助力这一转型,通过集中化数据存储、多部门协作和大数据分析,实现科学决策、提升客户体验和运营效率。欧美酒店集团已率先采用此类工具,中国酒店业也需顺应这一趋势,利用本地化软件优化内部流程,满足客户需求,提升品牌价值。 (238字)
|
存储 开发框架 搜索推荐
【Uniapp 专栏】Uniapp 打造的音乐类应用案例剖析
【5月更文挑战第12天】使用Uniapp跨平台框架开发的音乐应用,提供丰富音乐库和个性化推荐,用户可轻松搜索、创建歌单及离线收听。应用采用先进音频技术确保流畅播放,设计简洁美观,集成社交分享功能。通过优化搜索和推荐系统,提升用户体验。此案例展现了Uniapp在音乐应用开发的优势和潜力,为开发者带来启示。
458 2
如何解决 在vscode中运行python代码在无法print中文的问题
如何解决 在vscode中运行python代码在无法print中文的问题
如何解决 在vscode中运行python代码在无法print中文的问题
|
Python
Python-Matplotlib绘制条形图
条形图具有丰富的表现形式,常见的类型包括单组条形图,多组条形图,堆积条形图和对称条形图等。本文利用Matplotlib绘制常见条形图。
1672 1
Python-Matplotlib绘制条形图

热门文章

最新文章