Telestream首席技术官Simon Clarke谈论人工智能、云、无线广播和有利轨迹

在最近的一次采访中， Simon Clarke，首席技术官 of Telestream，讨论了两个关键产品， Wirecast 和有利的. 庆祝Wirecast成立20周年, Clarke回顾了它从一个新生的流媒体工具到一个被各种百家乐软件app最新版下载使用的强大应用程序的演变过程, 包括教育工作者, 商业人士, 还有礼拜场所.

讨论突出了几个关键领域: Wirecast的发展轨迹，人工智能驱动功能的引入，有利的的过渡到基于云计算的工作流，以及未来旨在改善用户体验和功能的增强功能. Clarke的见解揭示了Telestream是如何适应行业变化和用户需求的, 注重创新和实际应用.

本文将探讨与Clarke讨论的主要话题, 概述了Wirecast的重要里程碑, 人工智能和机器学习对Telestream产品的影响, 云集成的作用, 并计划对Wirecast和有利的进行改进.

无线广播的演变

正如克拉克所说, Wirecast最初的设计目的是通过集成多个摄像机来促进现场表演的创建, 图形, 预先录制的视频. 根据克拉克的说法，这个产品超前于它的时代 2004年推出在Windows Media和RealNetworks时代. 早期的挑战包括处理有bug的图形驱动程序和缺乏通用的gpu, 这使得软件难以有效运行.

多年来，Wirecast经历了几次关键的演变. 到2010年，该产品已经过渡到主要支持RTMP和H.264，它成为了流媒体的主要格式. 值得注意的功能扩展包括屏幕录制功能和将社交媒体馈送集成到现场制作中的能力.

COVID-19大流行对Wirecast的使用产生了显着影响. 随着远程工作和虚拟通信变得必不可少, 对流媒体解决方案的需求急剧增加. 克拉克指出，虽然使用量的激增已经稳定下来, 主要用户群包括教育, 礼拜场所, 业务应用程序保持一致.

Wirecast的功能已经扩展到包括多摄像头输入等功能, 会议功能, 以及同时流媒体到多个目的地的能力. Clarke解释说，许多用户利用Wirecast强大的标题引擎和虚拟摄像机驱动程序, 它允许将Wirecast的输出用作Zoom和Microsoft Teams等其他程序的输入.

此外, Wirecast包括一个叫做交会(Rendezvous)的功能，它通过将客人集成到Wirecast演示文稿中，从而简化了远程会议 WebRTC. Clarke提到，虽然Zoom和Microsoft Teams已经在远程会议领域占据主导地位, Wirecast与Zoom的集成, 在16版引入, 都很受欢迎. 这种集成允许用户将Zoom客人直接带入Wirecast, 提供先进的混音功能不提供单独的Zoom.

AI集成在Wirecast

Clarke讨论了如何将AI整合到平台中, 专注于让用户受益的实际应用. 一个重要的人工智能集成是Wirecast 16中介绍的虚拟助手. 这个助理, 可从帮助菜单访问, 为用户提供常见问题和疑问的即时支持. 克拉克解释说，这款助手利用了一个围绕wirecast特定内容和流媒体知识构建的生成式人工智能系统. 用户可以提出问题，例如解决YouTube的连接问题或解决流媒体问题, 助手根据内部知识提供相关的、有用的答案.

另一个人工智能驱动的Wirecast功能是虚拟PTZ(平移倾斜缩放), 它使用机器学习来检测和跟踪视频帧中的个体, 这样摄像机就可以跟随他们的移动. 克拉克指出，这在高分辨率设置下特别有用，因为它可以确保拍摄对象在不需要手动调整相机的情况下保持对焦.

Wirecast还包括一个基于人工智能的背景删除功能, 类似于Skype和Zoom等平台. 这允许用户用虚拟背景代替他们的背景，而不需要绿屏.

展望未来，Clarke透露，Telestream正在探索整合 AI-driven字幕在Wirecast中，将它们实时连接到直播流. 虽然正在考虑各种技术，包括 OpenAI的低语，重点是在高质量的结果和有效的百家乐软件利用之间找到平衡.

优势及其演变

有利的, Telestream的旗舰媒体供应链工作流解决方案, 也看到了人工智能的重大进步和整合. 顺便说一下背景, 有利的设计用于处理各种媒体处理任务, 使它成为许多媒体机构的基石产品. 它使用户能够通过称为工作流设计器的用户友好界面创建复杂的工作流. 该接口允许非程序员通过在画布上放置和连接操作块来构建复杂的决策树工作流.

Telestream最近将生成式AI集成到工作流设计器，这是它在NAB上展示的一个特性. 新的人工智能功能充当了操作员的副驾驶, 允许他们使用自然语言提示创建工作流. 用户可以用简单的语言描述所需的工作流程, 人工智能自动生成相应的工作流程. 此功能旨在帮助新手和有经验的用户更有效地创建和优化工作流.

有利的还利用人工智能来增强现有的工作流程. Clarke强调了一个提供工作流自然语言描述的特性, 使用户更容易理解和管理复杂的工作流, 尤其是那些由他人或前雇员创造的. 此功能还有助于搜索特定工作流和识别重复项, 进一步精简业务.

另一个重要的演变是有利的向云计算的过渡. 有利的最初是一个内部部署解决方案，现在支持各种云集成模型. 用户可以将工作流的一部分发送到云中进行处理，也可以将整个工作流托管在云中. Clarke描述了两个主要模型:从地面到云的编排, 哪些任务被转移到云端, 完全托管的工作流完全在云中运行. 这些模型为用户提供了灵活性, 允许他们利用云的可伸缩性和成本效率，同时保持对媒体处理的控制.

Clarke还讨论了将AI整合到有利的中进行编解码器开发和内容自适应编码. 虽然Telestream不是编解码器供应商，但它可以工作与领先的编解码器开发人员合作，整合人工智能驱动的改进. 例如，AI可以在H等广泛使用的编解码器中增强速率失真性能.在不影响质量的情况下提供更好的压缩效率. Clarke指出，性能和速度是关键考虑因素, 因为任何基于人工智能的改进都不能显著增加处理时间.

Wirecast和有利的的未来发展

Clarke分享了对Wirecast和有利的未来发展计划的一些见解, 专注于提高可用性, 功能, 以及与新兴技术的整合.

Wirecast

Wirecast的一个重点是引入下一代接入协议. Clarke提到，该行业长期以来一直依赖RTMP(实时消息传递协议), 但是，人们对提供更低延迟和更好的整体性能的新协议的期望越来越高. 这些新一代协议的采用将有助于通过减少延迟和提高直播质量来改善流媒体体验.

即将推出的一个重要特性是云重新分配，即用户可以将单个流发送到云, 在哪里它可以被重新分配到多个目的地. 这简化了流处理过程, 因为用户不再需要从本地设置管理多个流.

有利的

有利的的主要开发领域之一是改进部署模型, 特别是使有利的更通用，更容易在各种环境中部署. 这包括增强云集成功能, 允许用户在内部部署和基于云的工作流之间无缝转换.

人工智能和机器学习将继续在有利的的未来发挥重要作用. 克拉克讨论了人工智能驱动的生活质量改善的潜力, 例如用于工作流监控的预测分析. 通过利用机器学习算法, 有利的可以为用户提供工作流性能的实时洞察, 在潜在的瓶颈或问题影响操作之前识别它们. 这种主动的方法将帮助用户保持最佳的工作流程效率并减少停机时间.