短視頻，現在已經是無數內容社區型產品都需要的功能了，幾乎每家社區App公司都希望在自己的產品里增加短視頻功能。

但并不是每家公司都有能力招聘大量技術人才，從無到有地開發一套短視頻解決方案。

前不久，字節跳動旗下ToB業務「火山引擎」對外***了視頻點播服務。

也就是說，市面上各類帶有播放需求的應用，都可以擁有抖音、西瓜視頻同款播放器，把卡頓、黑屏等情況出現的概率降到最低，能夠實現流暢、穩定的視頻播放體驗了。一些垂直社區App已經用上了抖音同款播放器，實現了絲滑的播放體驗。

這些技術都是在抖音、西瓜視頻、懂車帝、皮皮蝦等多款內部產品上長期使用、多年迭代的成果。今天我們來看看，在火山引擎視頻點播服務背后，那些你可能還不知道的字節跳動技術成果。

不卡不崩的TTPlayer

首先，來看看提供點播能力的播放器本身。

TTPlayer是一個用在安卓和iOS端的播放器SDK，它可以實現首幀秒開的效果——也就是說，在打開視頻的時候不需要加載，只要等0.2秒左右，第一幀視頻畫面就已經顯示在你的屏幕上了。

其實，字節跳動系產品的移動端播放器最早用的是安卓系統的ijk開源播放器和iOS上的蘋果系統播放器，但效果并不如意。2016年，每天有100多名用戶反饋出現了黑屏、無法播放的情況，視頻打開后，手機就黑屏了，視頻內容根本顯示不出來。

于是，火山引擎智能視頻云團隊開始自研移動端播放器，完成了大量播放策略優化，比如預加載策略、播放控制策略、緩沖優化和面向網絡的自適應等等，新的播放器TTPlayer面世了。

TTPlayer自研完成后陸續用到了今日頭條、抖音上。此前，用戶打開一個視頻要0.8秒左右，經過多次測試優化，已經縮短至0.2秒。

團隊的一位工程師解釋，首幀打開時間每縮短0.05秒都對用戶體驗影響巨大，半秒多的速度提升就是非常明顯的進步了。

現在，TTPlayer播放15秒以內的小視頻，卡頓率已經降低到了0.58%，差不多每打開172個視頻，才會遇到一次卡頓的情況。

崩潰率也降到百萬分之一以下，也就是說平均每100萬次播放里，最多只出現一次播放器崩潰的情況，假設一名用戶每天刷1000個短視頻，平均也要大約3年才能遇到一次播放器崩潰的情況，比此前使用的ijk開源播放器和蘋果系統播放器低得多。

這是怎么做到的？

比如，為了保證用戶看刷短視頻的流暢體驗，工程師們做了預加載，提前下載用戶即將刷到的下一個短視頻，還把下一個短視頻的第一幀渲染出來，并且讓這個視頻的聲音不播放。這樣等用戶刷到下一個短視頻，它就可以直接播放出來。

火山引擎智能視頻云團隊工程師介紹，在一般業務場景里，如果視頻首幀沒有加載出來，系統就會直接使用封面圖，采用了這種預加載的方式，就不需要下載封面圖了，可以幫用戶節省一張封面圖的流量和帶寬。

再比如，為了在硬件解碼器方面適配全世界不同手機的機型，工程師們聯系了大量SoC廠商、手機廠商進行調優，能解決就適配，不能適配就轉用軟件解碼器。目前TTPlayer的硬件解碼器覆蓋率在安卓機型達到了80%以上，iOS機型則是近乎100%覆蓋。

而拿移動端用戶切換清晰度來說，有些播放器會遇到清晰度切換時卡頓的問題，為此火山引擎智能視頻云解決方案團隊的工程師們想到了關鍵幀對齊的***，也就是把上一個清晰度的最后一幀和新的清晰度第一幀完全對齊。

在實際的播放中，每個視頻按照一定的時長被切成了幾個視頻片段，比如1分鐘的視頻可能被切成了6個10秒鐘的視頻片段，每個片段有360p、480p、720p、1080p等幾種不同清晰度的版本。

關鍵幀對齊的方式就是，從720p切換到1080p的時候，把720p的最后一幀和1080p的第一幀完全對齊，保證一模一樣，這樣在播完前面720p的10秒鐘片段之后，就可以流暢切換到之后1080p的10秒鐘片段里，不會出現卡頓問題。

Web端的西瓜播放器

TTPlayer是移動端的播放器，而在Web端，火山引擎的點播能力靠西瓜播放器來實現。

這款播放器來自字節跳動的web多媒體團隊，是團隊工程師們從底層開始一步步研發的成果，技術范兒此前也做過詳細報道。

除了單純UI層面的創造，西瓜播放器擁有更多底層的功能，能夠讓mp4格式的視頻實現流式播放，用戶看視頻的時候就可以實現清晰度無縫切換，還能節省視頻流量。

另外，西瓜播放器也集成了對flv、hls、dash格式的點播和直播支持，在GitHub上已經獲得了超過3600顆星。

智能高清低碼：高清視頻不怕卡頓

除了播放器本身，另一個影響用戶體驗的要點就是網絡傳輸。如今的視頻清晰度都變高了，傳輸它的帶寬成本就會提升，如果用戶在網絡狀況不好的地鐵、地下室、山區等場景看視頻，就容易出現卡頓的情況，或者被迫只能看標清。

為此，火山引擎多媒體實驗室還訓練了智能高清低碼相關的算法，也就是通過智能編碼的方式，在提升視頻質量的同時，把視頻的碼率降低，這樣就可以用最低的碼率傳輸最清晰的視頻。

如何才能實現這樣的功能呢？

首先，要去除噪聲和失真的部分，壓縮效率可以節約20%以上，對應的傳輸帶寬需求也只需要不到原來的4/5，還能提升視頻的質量。

其次，要對人眼在看視頻時的興趣點進行針對性的優化。比如我們在看講座時，注意力放在了主講人的面部；看美食視頻時，注意力重點在食物上。這樣，只要提高人眼關心部分的畫質，弱化人眼不容易注意到的區域，就可以保證在碼率降低10%的情況下用戶體驗一樣優秀。

最后，要實現內容自適應編碼，根據視頻的領域、情感、對象特征，自適應地選擇視頻編碼配置，從而在保持視頻質量的情況下，節省帶寬10%以上。

說到視頻編碼，就不得不提到到字節跳動自主研發的視頻編碼器BVC1。這款視頻編碼器在同樣的清晰度下，帶寬降低了30%。

BVC1也可以針對手機、PC、平板電腦等不同的設備進行定制化，利用現有的算力，最優化質量提升和帶寬節約。

而在視頻會議中屏幕共享的場景下，借助獨創的視頻上采樣方案和超分辨率技術，也可以實現更清晰的文字顯示。

當然，字節跳動先進視頻團隊也一直在迭代編碼器技術，2020年，BVC1編碼器就比前一年實現了20%的碼率節約。

視頻封面選擇困難癥？讓AI來幫你挑

上面說的是視頻播放和傳輸，但在視頻創作階段，火山引擎的技術團隊也做了不少努力。

比如視頻封面的創作。數據分析顯示，一個優質的視頻封面能夠讓視頻點開率大幅度提升，為了幫助內容創作者輕松選出優質封面，視頻平臺在創作者上傳視頻時，會給創作者推薦視頻的封面，或提供備選封面。

想要實現這個功能，系統會從視頻中選出比較美觀的幾幀來提供給用戶。為此，火山引擎團隊的機器學習工程師們訓練了一套美學質量評估算法，可以讓人工智能按照大部分人類的審美，評價圖片或者視頻美不美。

比如這張相對***的湖中島風景照：

滿分100分，在AI看來，AI給出的評分是86.54分，算法也覺得畫面美觀。

再看這張非***攝影師的隨手拍：

AI給出的評分是71.98分，雖然還算美觀，但整體水平比前面那張差了不少。

如果兩幀出現在同一個視頻中，系統就更可能會選前面評分高的一張作為封面推薦給創作者。

這是如何做到的呢？

其實，AI評價美丑的標準來自經過人類打分的圖像數據集。

按照類似的評價標準，先由人類為一部分圖像進行打分。

比如下圖第一行的照片，顏色搭配合理、構圖磅礴大氣，人們就可以打出70、80的高分；而第三行的照片圖像不夠完整、畫面元素凌亂，就只有不到40分。

這樣，把大量圖片和對應的分數作為訓練數據輸入神經網絡，成為AI的學習資料，它就可以自己從美術風格、畫面構圖、色彩應用等多個方面來評估一張照片或一段視頻在人類眼中夠不夠美了。

視頻質量好不好，VQScore都知道

除了主觀美丑之外，視頻好不好的另一個評價指標則是視頻的清晰度。

VQScore是火山引擎團隊的工程師們訓練的一個評價視頻清晰度的算法，它可以在不借助參考視頻的情況下，獨立地對視頻清晰度進行評價打分。

和上面的美學質量評估算法一樣，VQScore也是根據人類對視頻清晰度的主觀評分數據來訓練的深度學習算法。

比如上面這樣的視頻，看起來相當模糊，有大量噪點，算法給的清晰度評分是40.23分。

效果好一點的視頻，就可以拿到63.31分。

視頻質量高一些的話，就可以拿到75.17分了。

除此之外，對于視頻壓縮失真、噪聲大小、對比度是否過低等情況，VQScore都可以給出按照人類視覺的判斷，來自動分析視頻質量。

視頻糊了？靠算法實現畫質增強

經過上面的算法判斷，如果得出的結論是視頻質量的確比較低，為了提升用戶體驗，可以借助超分辨率、視頻插幀、降噪算法等多種技術，提升視頻的質量。

比如針對幾十年前的老電影，可以實現老片修復，解決老電影常有的噪聲、劃痕、顏色對比度和分辨率的問題。

比如經典電影《劉三姐》，下圖右側修復之后人物面部輪廓、衣著細節都更清晰了：

1994年的港片《精武英雄》中的場景，同樣也可以實現類似的效果。

現在西瓜視頻上，像《精武門》、《方世玉》等不少90年代老電影都是修復后的高清版本，用戶在觀看這些經典老片的時候就可以獲得更清晰的觀看體驗。

另外，如果是用戶自己拍攝的視頻作品，清晰度比較低的話，算法同樣可以增強他們的質量。

比如下面的視頻，從視頻素材到搭配的文字，右側修復之后的畫面看起來比左側的原始畫面清晰多了。

而在更廣泛的用戶測試中，也有80%的人能看出，經過修復的版本清晰度有明顯提高。

這項技術來自火山引擎多媒體實驗室，目前團隊已經為此付出了1年多的努力。

2020年初，在深圳市人民***主辦的首屆“全國人工智能大賽”AI+4KHDR賽項中，這個實驗室的工程師們組成的隊伍拿下了比賽第三名的成績，也是工業界所有參賽隊伍中的成績最高的。

可用性超99.999%的融合CDN

除了上面這些與視頻創作者和觀眾直接接觸的環節，視頻內容本身在網絡中的傳輸也要借助重要的一環——CDN。

CDN是指內容分發網絡（ContentDeliveryNetwork），在整個互聯網上有不同節點上的許多個服務器互聯，組成一張分布式的網絡，是一項互聯網基礎設施。當用戶想要看某個視頻的時候，離他最近節點上的服務器就可以快速響應，降低用戶觀看視頻的延遲。

火山引擎CDN借助強大的融合技術、大數據處理、智能預測等算法，實現了客戶端對單一故障源的快速容災和提前規避，從以往的不可播放到用戶幾乎無感知，可用性超過了99.999%。對普通用戶來說，App們就會更少出現崩潰的狀況。

此外，在內容的傳輸環節，火山引擎CDN也用到了機器學習模型來預測帶寬，對網絡帶寬精打細算，大幅度降低了成本。

而在分發過程中，它利用大數據、智能分析等一些手段建立了全球網絡拓撲性能分析鏈路，選擇最優的分發鏈路。這樣，用戶看視頻的時候就不容易因為網絡問題而發生卡頓，質量性能提升達到100%。

從算法到應用，現在我們可以期待這些技術在更廣的平臺上發揮作用、服務用戶了。

↓點擊「了解更多」，加入字節跳動技術團隊