但并不是每家公司都有能力招募大量技术人才并从头开始开发短视频解决方案。

不久前，字节跳动To B业务“火山引擎”对外开放视频点播服务。

也就是说，市面上各类有播放需求的应用都可以拥有与抖音、西瓜视频相同的播放器，可以最大程度地减少卡顿、黑屏等情况的发生概率，实现流畅稳定的视频播放。经验丰富。一些垂直社区应用已经使用了与抖音相同的播放器，实现了丝般流畅的播放体验。

这些技术是抖音、西瓜视频、点车地、皮皮下等众多内部产品长期使用和多年迭代的结果。今天我们就来看看，火山引擎视频点播服务背后，你可能还不知道的字节跳动科技成果。

不卡不崩的TT Player

首先我们看一下播放器本身提供的点播功能。

千千静听是一款适用于Android和iOS的播放器SDK。可以达到秒开首帧的效果。也就是说，打开视频时不需要加载。您只需要等待大约0.2秒，视频的第一帧就准备好了。会显示在您的屏幕上。

事实上，字节跳动产品最早的移动播放器是Android的ijk开源播放器和iOS的苹果系统播放器，但效果并不理想。 2016年，就有超过100名用户反映每天黑屏、无法播放。打开视频后，手机黑屏，根本无法显示视频内容。

于是，火山引擎智能视频云团队开始自研移动播放器，完成了大量的播放策略优化，如预加载策略、播放控制策略、缓冲优化以及面向网络的适配等。千千静听推出。

TT Player自主开发完成后，先后在今日头条、抖音上使用。此前，用户打开一个视频大约需要0.8秒。经过多次测试和优化，已缩短至0.2秒。

团队工程师解释说，首帧打开时间每缩短0.05秒，对用户体验的影响就很大。半秒以上的速度提升，已经是非常明显的提升了。

现在，千千静听播放15秒以内的短视频时，延迟率已降低至0.58%。几乎每打开172个视频都会遇到卡顿的情况。

崩溃率也下降到了百万分之一以下，这意味着玩家平均每百万次游戏只会崩溃一次。假设用户每天观看1000条短视频，平均需要3年左右。只会遇到1个播放器崩溃的情况，比之前使用的ijk开源播放器和苹果系统播放器要低很多。

这是怎么做到的？

例如，为了保证用户观看短视频的流畅体验，工程师做了预加载，提前下载了用户即将观看的下一个短视频，并且还渲染了下一个短视频的第一帧，并制作了视频不播放声音。这样，当用户到达下一个短视频时，就可以直接播放。

火山引擎智能视频云团队的工程师表示，一般业务场景下，如果视频第一帧没有加载，系统会直接使用封面图。通过这种预加载方式，无需下载封面图片，可以帮助用户节省封面图片的流量和带宽。

再比如，为了让硬件解码器适配全球不同的手机型号，工程师联系了大量的SoC厂商和手机厂商进行优化。如果他们能解决问题，他们就会调整它。如果他们无法适应，他们就会改用软件解码器。目前，千千静听的硬件解码覆盖率在Android机型上达到80%以上，在iOS机型上覆盖率接近100%。

对于移动用户切换分辨率来说，部分玩家会遇到切换分辨率时卡顿的问题。为此，火山引擎智能视频云解决方案团队的工程师想出了一种关键帧对齐的方法，即将之前分辨率的最后一帧与新分辨率的第一帧完美对齐。

在实际播放时，每个视频按照一定的长度被切割成若干个视频片段。例如，一个1分钟的视频可以被切割成6个10秒的视频片段，每个片段有360p、480p和720p。1080p等不同定义的版本。

关键帧对齐方法是在从720p切换到1080p时，将720p的最后一帧与1080p的第一帧完全对齐，确保它们完全一致，这样在播放完前面10秒的720p片段后，切换可以顺利。在随后的10秒1080p片段中，不会出现滞后问题。

Web端的西瓜播放器

TT播放器是移动端的播放器，Web端则通过西瓜播放器实现火山引擎的点播能力。

这款播放器来自字节跳动的网络多媒体团队，是团队工程师自下而上一步步研发的成果。之前技术范也详细报道过。

除了纯UI层面的创作之外，西瓜播放器还有更多底层功能，可以流式传输mp4格式的视频。用户在观看视频时可以无缝切换清晰度，还可以节省视频流量。

此外，西瓜播放器还集成了对flv、hls、dash格式的点播和直播支持，在GitHub上获得了超过3600颗星。

智能高清低码：高清视频不怕卡顿

除了播放器本身之外，影响用户体验的另一个关键点就是网络传输。如今，视频的清晰度越来越高，传输视频的带宽成本也会增加。如果用户在地铁、地下室、山区等网络条件较差的地方观看视频，很容易出现卡顿或者被迫观看标清的情况。

为此，火山引擎多媒体实验室还训练了智能高清低码相关的算法，即通过智能编码，在提升视频质量的同时，也降低了视频码率，从而可以以最低比特率传输。最清晰的视频。

这样的功能如何实现呢？

首先，通过去除噪声和失真，压缩效率可以节省20%以上，而相应的传输带宽需求仅为原来的4/5以下，视频质量也能得到提升。

其次，要优化人眼观看视频时的兴趣点。例如，当我们观看讲座时，我们会关注演讲者的脸部；当我们观看美食视频时，我们的注意力集中在食物上。这样，只要提高人眼关心的部分的图像质量，弱化人眼不易注意到的区域，就可以保证用户体验与比特时一样好。率降低10%。

最后，需要内容自适应编码根据视频的领域、情感和对象特征自适应地选择视频编码配置，从而在保持视频质量的同时节省10%以上的带宽。

说到视频编码，就不得不提字节跳动自主研发的视频编码器BVC1。该视频编码器在相同分辨率下可将带宽减少30%。

BVC1还可以针对手机、PC、平板电脑等不同设备进行定制，利用现有的计算能力来优化质量提升和带宽节省。

在视频会议屏幕共享场景下，借助独创的视频上采样方案和超分辨率技术，也能实现更清晰的文字显示。

当然，字节跳动的高级视频团队也在编码器技术上不断迭代。 2020 年，BVC1 编码器比上一年实现了20% 的比特率节省。

视频封面选择困难症？让AI来帮你挑

上面提到的是视频播放和传输，但是在视频创作阶段，火山引擎的技术团队也做出了很多努力。

为了实现这个功能，系统会从视频中选择一些比较漂亮的帧并提供给用户。为此，火山引擎团队的机器学习工程师训练了一套审美质量评估算法，可以让人工智能按照大多数人类的审美来评估图片或视频是否美观。

比如这张比较专业的湖中岛屿风景照：

满分为100分。在AI眼中，AI给出的分数是86.54分，算法也认为画面很美。

看看这张由非专业摄影师拍摄的休闲照片：

AI给出的分数是71.98分。虽然还是很漂亮，但是整体质量比之前差了很多。

这是怎么做到的？

事实上，人工智能评价美丑的标准来自于人类已经评价过的图像数据集。

根据类似的评价标准，人类首先对图像的一部分进行评分。

比如下图第一排的照片，色彩搭配合理，构图雄伟，人们可以打出70、80的高分；而第三排的照片图像不完整，画面元素杂乱，只能得分不到40分。

这样，大量的图片和相应的分数作为训练数据输入到神经网络中，成为AI的学习材料。它可以从艺术风格、画面构图、色彩应用等多个方面评价一张照片或视频在人眼中的外观是否足够漂亮？

视频质量好不好，VQScore都知道

除了主观美丑之外，视频好坏的另一个评价指标就是视频的清晰度。

VQScore 是由Volcano Engine 团队的工程师训练的一种算法，用于评估视频清晰度。它可以独立评估和评分视频清晰度，无需参考视频的帮助。

与上面的审美质量评估算法一样，VQScore也是一种基于人类对视频清晰度的主观评分数据训练的深度学习算法。

例如，上面的视频看起来相当模糊并且有很多噪音。该算法给出的清晰度得分为40.23 分。

效果较好的视频可以获得63.31分。

如果视频质量较高的话，可以获得75.17分。

此外，VQScore还可以根据人类视觉对视频压缩失真、噪声水平、对比度是否过低等进行判断，自动分析视频质量。

视频糊了？靠算法实现画质增强

通过上述算法判断后，如果得出视频质量确实比较低的结论，为了提高用户体验，可以采用超分辨率、视频插帧、降噪算法等各种技术以提高视频质量。

例如，对于几十年前的老电影，可以对老电影进行修复，解决老电影中常见的噪点、划痕、色彩对比度和分辨率等问题。

比如经典电影《刘三姐》中，下图右侧修复后，人物的面部轮廓和服装细节更加清晰：

1994年香港电影《精武英雄》中的场景也能达到类似的效果。

现在西瓜视频上，很多90年代的老电影，比如《精武门》、《方世玉》，都被还原成了高清版本。用户在观看这些经典老电影时可以获得更清晰的观看体验。

另外，如果用户自己拍摄的视频作品清晰度较低，该算法还可以提升其质量。

比如下面的视频，从视频素材到匹配文字，右边修复后的图片看起来比左边原图清晰很多。

在更广泛的用户测试中，80%的人可以看到修复版本的清晰度得到了显着提高。

这项技术来自火山引擎多媒体实验室，团队已经研究了一年多。

2020年初，在深圳市人民政府主办的首届“全国人工智能大赛”AI+4K HDR比赛中，由该实验室工程师组成的团队荣获比赛第三名，成为第一支参赛队伍团队在业内得分最高。

可用性超99.999%的融合CDN

CDN 指内容分发网络。不同节点上的许多服务器通过互联网互连，形成分布式网络。它是一个互联网基础设施。当用户想要观看视频时，离他最近的节点上的服务器可以快速响应，减少用户观看视频的延迟。

火山引擎CDN利用强大的融合技术、大数据处理、智能预测等算法，在客户端实现快速灾难恢复和早期避免单一故障源。从过去无法玩到用户几乎察觉不到，可用性超过99.999%。对于普通用户来说，应用程序崩溃的频率会降低。

此外，在内容传输过程中，火山引擎CDN还利用机器学习模型来预测带宽，仔细计算网络带宽，大幅降低成本。

在分配过程中，利用大数据、智能分析等手段，建立全局网络拓扑性能分析链路，选择最优分配链路。这样用户在观看视频时就不会因为网络问题而容易出现卡顿，质量和性能都会提升100%。