Versos AI將視頻檔案轉化為AI模型所需結構化數據

現在，AI公司希望獲得授權的視頻訓練數據，因為他們的模型正在超越文本和圖像向視頻領域進軍。媒體公司擁有數百萬小時的視頻數據。然而，一直以來缺乏將原始素材轉化為可大規模使用的數據集的基礎設施。

Versos AI表示它已經構建了這一缺失的環節。該公司宣布了一個名為"視頻庫智能平臺"(Video Library Intelligence Platform)的新平臺，旨在將海量視頻數據轉化為專門為AI訓練構建的結構化和可授權數據集。這表明視頻內容在多模態AI時代可能開始作為訓練材料承載新的價值。

為什么對高質量訓練數據的需求正在加劇?

首先，不同于靜態的圖像，視頻隨時間變化，提供更深層的信息。它本質上也是多模態的，需要捕捉視覺數據、語音、環境線索、人類行為和其他參數。研究人員所說的"世界模型"(world models)也在發生重大轉變。這些是試圖理解物理世界如何運作的AI系統。視頻為模型提供了其他媒體類型無法提供的更豐富的因果關系和人類互動模式。

Versos AI希望通過視頻庫智能平臺挖掘這一潛力。

"AI訓練已經超越了抓取數據。"Versos AI首席執行官兼聯合創始人Chris Keevill說，"視頻在結構和規模交付方面帶來了顯著的復雜性。Versos AI的構建旨在端到端地管理這種復雜性——這樣內容所有者可以解鎖新的收入流，而超大規模企業可以對授權數據集進行模型訓練有信心。"

"直到現在，還沒有專門的解決方案將非結構化視頻庫轉化為適合超大規模AI訓練的結構化數據集。Versos AI通過使視頻數據可搜索、可授權并為模型開發做好準備，填補了這一空白。"

挑戰不僅僅是數據的量，還有結構

原始素材并不自動對機器學習有效。在被輸送到AI系統之前，原始素材可能需要分段，權利必須得到驗證，交付格式必須匹配，元數據可能需要附加。如果沒有這種準備，即使是數百萬小時的視頻仍然很大程度上無法用于訓練目的。

Versos AI的工作方式

Versos AI的工作原理是首先從內容所有者那里獲取大型視頻庫。在結構化提取后，重點轉向場景檢測和時間分割。這種分割將一個長文件轉換為數千個索引的微單元。隨后進行元數據豐富化和多模態標記，為分析準備文件。然后權利元數據被附加到每個索引段，以確保許可清晰度和合規性。最終，結構化的片段被組裝成訓練就緒的數據集，并安全地交付給AI開發人員以供大規模使用。

通過將原始素材轉化為已索引和權利清晰的數據集，Versos AI將自己定位在媒體檔案和AI需求的交匯點。

"我們看到來自主要超大規模企業、AI創新者和技術領袖的非凡需求，他們認識到高質量、結構化的視頻和元數據是訓練更強大、更豐富上下文模型所必需的。"CuriosityStream總裁兼首席執行官Clint Stinchcomb說。

"我們超過250萬小時的視頻和音頻的龐大庫，結合Versos AI一流的交付和索引能力，有助于將CuriosityStream定位為下一代AI模型的領先提供商。我們很激動擁有像Versos AI這樣的合作伙伴，使我們在AI視頻數據訓練達到AI市場繁榮的下一個拐點時能夠加速增長。"

CuriosityStream所描述的緊迫性反映了Versos AI從一開始就著手解決的問題。Versos AI成立于2023年，專注于使大量視頻對AI公司可用。視頻庫智能平臺是該使命的重大飛躍。

然而，Versos AI在一個快速興起的領域運營，像Scale AI和SuperAnnotate這樣的競爭對手也在從事視頻注釋和訓練數據工作流程的工作。Versos有自己的定位，它聲稱是AI供應鏈中視頻訓練數據的端到端解決方案。他們的賭注是，隨著對結構化視頻數據需求的加速，控制從攝取到合規交付的完整管道將比任何單一注釋功能更重要。