YouTube 「視頻版權生態系統」所採用的技術，除了版權管理外，是否還能有其他商業應用？

01-27

「視頻版權生態系統」來自 YouTube 用戶體驗小組主管瑪格麗特·古爾德·斯圖爾特（Margaret Gould Stewart）在 TED 演講中的介紹。（TED 演講視頻見下）
TED演講集.2010.02.瑪格麗特·古爾德·斯圖爾特談YouTube對版權的思考視頻
問題補充：

1、優酷、土豆、愛奇藝等視頻網站所採用的管理方式，是以人工為主還是像 YouTube 這樣的技術？
2、如果出現一個比 YouTube 更先進的技術，國內視頻網站、圖片搜索引進這一技術的可能性有多大？
3、YuDan 的回答里提到了音頻識別、人臉識別，關於這兩類技術的應用，請問各位又有何高見？
參考視頻：

YouTube Content ID（中文字幕）視頻
參考書籍：
數字版權管理生態系統中的安全、信任與風險
參考問題：
怎麼看待搜狐推出的《搜狐視頻分享盈利計劃》？對視頻界有什麼樣的影響？

Video Surf 在視頻搜索領域有什麼的創新之處？

背景：上述演講中Youtube使用的Content ID技術實際上是一種數字指紋技術，簡單來講就是把視頻音頻分割成很多片斷，然後針對每個片段（對於視頻來講是一幀或幾幀）提取一些不變的特徵量。特徵量的提取是一個技術門檻比較高的活，通常都是一些小而精的高科技創業公司/團隊做出的成果。比如YouTube用的音頻指紋技術實際上是從Audible Magic這家公司搞來的。Margaret Gould Stewart在上面視頻中間演示的就是他們家的音頻匹配技術。橫軸縱軸分別代表原始圖像和用戶上載的內容的音頻指紋。可以看到這兩段視頻中的聲音在很多地方有很好的匹配（大約45度角斜線上的亮點都是匹配）。

基本原理：這些不變的特徵量不僅對每一個片段唯一，而且最重要的特點就是抗變換，要能夠在常見的信號處理手段之後仍然能正常工作。

比如對於音頻，略微加快/減慢播放速度、改變音調、改變採樣率、加入雜訊、放大/削弱、截取片段/時間平移、重編碼等等；
而對於視頻花樣要多得多，除了同音頻對應的方法包括改變幀率、改變色彩飽和度/亮度、更改解析度、加入雜訊、改變對比度、剪切/縮放、重編碼之外，還有旋轉、鏡像、傾斜、扭曲等全局變換和模糊、銳化/鈍化、取邊等等局部信號處理手段。

上述的各種變換處理手段在輕微使用時都有一個特點，就是處理後的音頻視頻可能會略微損失一些質量，但是仍然能夠被人正常理解和欣賞。衡量這些特徵量的質量，就是看這些特徵量在多惡劣的信號處理情況下仍然能夠識別和原始音頻視頻的匹配。比如YouTube就號稱在影院用手持攝像機拍攝的左右搖晃模糊不清的盜版電影能夠被準確識別為侵權。

應用：數字指紋技術的應用領域要遠遠比我們看到的廣泛

大家容易直接想到的是互聯網防盜版。沒錯，對於YouTube來講，只要建立了版權資料的資料庫，就可以判斷用戶上載的內容是否侵權，並及時刪除，免得把錢都交給律師打官司。但這只是燒錢的事情，掙錢怎麼辦呢？
上面的視頻講到了，YouTube找到一個成功的模式實現自己、用戶、版權所有者三方共贏。比如鳥叔的視頻可能很多公司都在晚會上用到了，那麼用戶播放這段公司晚會視頻時不僅可以選擇是否看原版的鳥叔，也可以決定是否購買鳥叔的光碟、帽子、內褲等等……自行聯想。
有的公司會用這個技術做多媒體的搜索引擎，比如很多人都知道iOS和Android上都有的應用Shazam，能夠根據用戶哼哼的歌，找出匹配的正版音樂。即使我這樣五音不全、隨時跑調的人也能哼兩句找到原版的出處。對於路邊聽來兩句好聽的曲子想找出處的人最有用不過。
還有一些非常有意思的應用，比如自動實現字幕/歌詞同步，一個電影通常有很多版本，有的版本會刪除一些片段，這時候對於製作字幕的人來講會很麻煩需要重新同步。用數字指紋就可以輕鬆找到匹配完成同步。
如果人臉的特徵也是數字指紋的一部分，那麼用這個技術也可以實現在視頻庫按人臉分類整理，或者在全城成千上萬攝像頭的視頻中查找罪犯的行蹤……想像某一天你女朋友上載你的照片到搜索引擎，找到一段你當年在大學宿舍拍的基情舞蹈？
百度前一陣發布過一個同明星臉比相似度的產品……不過找不到鏈接了。
智能電視根據觀眾經常喜歡播放的節目內容給推送廣告……雖然我不希望我家電視這麼聰明。
監控各家電視台是否盜用版權媒體的內容……這個業務貌似在國內很有前途，各家電視台經常隨意在一段不相干的視頻上加上一段煽情的音樂，最常聽的好像就是班得瑞？

唔，就是這樣。

補充一點，就國內現有法律的狀況和法官整體的科學素養而言，這種鑒別版權的證據能否作為被法律認可還是有很大疑問的。

是指Youtube 內容ID么？迄今是用在YouTube上。如果Youtube 有和第三方簽訂協議轉發視頻到別的網站也會可能有利潤分成的。現在Youtube 最大全球視頻網但是中國地區看不到。YouTube 和優酷相互分享視頻是期望。

@YuDan 回答得真好！

可以補充的可能的應用場景還可以有：

基於內容識別的內容整理，比如對相同、相似內容的聚類；基於這一點，又可以在視頻搜索結果的展示上有所優化（現在主流的基本都是基於關鍵字的搜索結果），比如展示內容層面更準確的，更高清優質的搜索結果。
基於內容識別的廣告安插，可以更有針對性；廣告安插者，可以是內容所有者，可以是網站，運營商等。
過濾不適宜播放的內容，不怕有關部門找麻煩。
即視即搜（實時的），包括視頻、圖片、音頻。這裡的想像力也可以很豐富：

如 YuDan 所說，直播的時候可以監控其他播放站點是否未經授權擅自播放；
幫助數字電視運營商知道電視機前的觀眾正在看什麼內容，方便廣告的實時投放；
對海報、書籍封面、報刊雜誌圖片的識別，可以獲得更多相關信息，引導購買等；
還有一種應用場景：正在看某電視節目，突然有事要出門，錯過了又可惜，就拿手機對著電視節目錄製一段，識別搜索後，手機應用返回了那個視頻，可以繼續觀看。（記得是思科的一個產品宣傳片，忘記了，但覺得未來的生活應當如此）