什么是Per-Title编码？如何实现Per-Title编码

Per-Title（按主题）编码是指为了节省码率、存储空间以及ABR传输带宽为每部电影（基于其独特的空间和时间属性以及复杂度）调整ABR码率阶梯（bitrate ladder）。换言之，Per-Title编码的目的就是根据电影特点（慢动作、体育、动画、卡通内容等）为每部电影生成一组不同的编码或者压缩参数。 接下来，我们将了解Per-Title编码所涉及的编码过程以及它为流媒体提供商带来的优势。

什么是Per-Title编码？从哪里开始？

最早提到Per-Title编码的地方是Netflix的博客，随后IEEE发表了名为“Complexity-based consistent-quality encoding in the cloud（《云上基于复杂度的稳定质量编码》”的论文。该论文的摘要中有一句话很有趣：

为了生产最佳质量的视频流，系统需要使编码适应每条内容（以一种自动、可扩展的方式）。在本篇论文中，我们描述了两个算法优化，用于基于云的分布式编码管道，它们分别是：（1）针对码率-分辨率选择的Per-Title复杂度分析；（2）针对稳定质量编码的Per-chunk码率控制。相对于简单的“一刀切”的编码系统，这些改进带来了很多优势，包括更高效的带宽使用和更稳定的视频质量。

上文这句“为了生产最佳质量的视频流，系统需要使编码适应每条内容”很好地总结了Per-Title编码。 

编码器需要“理解”每一个视频内容，并调整压缩设置和参数与之适应，这样就有可能达到最佳视频质量。 

传统的ABR和压缩过程发生了什么？ 

在使用ABR技术的传统视频传输方法中，一般是创建一个码率阶梯（或者一组profile），并将其应用于内容库中的所有电影。关于ABR技术的更多介绍，请阅读这篇文章：理解ABR及其工作原理。 

比如，码率阶梯有一个6mbps 1080p的profile，并应用到了所有的分类——无论是动漫、体育还是脱口秀。 

然而，这种方法存在一个问题：每部电影的特点和复杂度并不相同。 

所有电影看上去都不一样： 有些电影拥有快速动作场景（体育比赛、动作片），有些在动作上较慢（《肖申克的救赎》）。有些动画片比较简单（《辛普森一家》），有些却拥有高度细节（《玩具总动员》）。所有电影都有它自己的“基因”和特点，所以每部制作出来的电影都与众不同。 

那么，为什么都要以相同方式压缩电影，使用相同编码器设置并使用相同码率阶梯进行ABR视频传输呢？ 让我们来看看下文中来自《辛普森一家》、足球比赛和Park Joy测试序列的三张截图，它们看起来都不一样，是吧？ 容易压缩！ 真的很难压缩！ 因为视频中出现了水、草和树叶，也很难压缩！ 现在，上述这些例子依赖于你对于视频质量优劣的主观判断。让我们看下Netflix技术博客上的数字实验。下方的RD图描述了不同序列在不同目标码率下的码率与视频质量 （PSNR）。 

看看图中的变化有多大！在5000 kbps，一些序列拥有高达45 dB甚至更高的PSNR分值，而其他序列只有36 dB。这清楚地表明：没有两个视频是相同的，应该根据它们各自的特点来进行处理。 

用更专业的术语来说就是，这些视频的时空复杂度及其特征之间存在差异，所以利用这一点来有效压缩视频会是一个好主意。 

来源：Netflix博客[1] 

因此，Per-Title编码就是从一个视频变化到（或适应）另一个视频的编码。

使用Per-Title编码，哪些变量是可以改变的？

使用Per-Title编码时，很多编码和传输参数都会发生变化，比如： 

码率阶梯中的分辨率选择：某些title可能会生成720p的质量内容（看上去也很棒），对于这类视频，你也许不必将它切换成更高质量内容的1080p。 

每个分辨率所选择的码率：这是Per-Title编码中最重要的部分。如果你必须生成一组视频分辨率（1080p、720p等），那么你可以为其中每个分辨率改变码率。也就是说，你会发现自己可能不是在6mbps时生成1080p的视频，而是在3mbps生成1080p，并达到相同的视频质量！ 

码率阶梯中的profile数量：这是Per-Title编码的又一大优势。通过变换码率-分辨率组合，也许能够减少你需要在码率阶梯中产生的profile数量。 在使用Per-Title编码时，其参数的范围更大。在更精细的层面，你可以研究编码器设置并对它们进行调整： 

• 过滤器的强度
• GOP长度
• 启用和禁用二分之一像素或者四分之一像素运动估计
• 运动估计的搜索范围
• GOP结构（P帧与B帧的比率）

 以及更多取决于如何设置视频编解码器。这里的首要重点应该是了解你的视频复杂度，视频编解码器的能力，以及如何结合你所有的数据和视频智能分析来有效压缩视频。

如何实现Per-Title编码？

Per-Title编码最重要的特点就是它能够“理解”一部电影的复杂度、其中的场景和变化等。

方法就是：通过收集电影信息和统计数据，并使用这些数据进行压缩。

这就使我们需要了解多遍编码（multi-pass encoding）的概念，其中第一遍（或者第N 遍）被用来收集电影相关信息。在最后的第M遍，使用这些信息来编码视频。 

哪些信息对理解电影复杂度有所帮助？让我们来看看： 

全局速度或运动矢量： 它将告诉我们场景移动的速度，可以被用来区分脱口秀（其中没有人移动）和美国职业橄榄球比赛（充满快速摄像机的移动）。 

空间复杂度： 电影中的大部分画面是像《辛普森一家》中的纯色块？还是充满了年代电影中那种复杂的图案？ 

时间复杂度： 想要理解电影内容如何快速地从一帧切换到另一帧，这又与上文中的全局运动向量和速度有关。 这些都是非常重要的视频特点，它们决定了如何在确定的比特预算前提下有效压缩视频。

简单来说就是，如果你了解你的视频属性，你就可以调整编码器设置从而达到最佳视频质量（比如被要求压缩视频到x mbps） 所以，在你收集了这些信息以后，你就可以在视频编解码器上执行另一个pass来将视频压缩到正确码率（由你的凸包算法决定）。

Per-Title编码的优势

执行Per-Title编码拥有许多优势，比如： 

节省存储空间： 通过使用Per-Title编码改变码率和分辨率，你可以高效压缩视频，且节省很多存储空间。 

节省传输成本： 因为每个被编码的title都使用了一个最适合它的码率阶梯，所以你马上就会看到CDN传输成本的节省。除此之外，终端用户也将下载较小的文件，以此减少缓冲的发生和首屏延迟。 

节省编码时间： 再者，由于编码阶梯会为每部电影而单独调整，你可以很容易地看到编码时间的节省。比如，如果我们不使用1080p编码《辛普森一家》的片段，而是使用720p并获得了相同视觉质量，那么分辨率的下降会提升编码器的速度。这主要是因为分辨率的下降导致运动估计和补偿算法的工作减少了。 

提升质量： 通过调整每部电影或者每个主题的编码器、分辨率、码率、帧率以及其他设置，你可以充分利用编码器，并获取最佳视频质量。这将会带来很棒的用户体验！ 因此，通过切换到Per-Title编码方案，你可以节省大量存储、传输和编码时间上的成本。 今天就到这里，我们下次再见，保重！Happy streaming! 

注释：[1] https://netflixtechblog.com/per-title-encode-optimization-7e99442b62a2
致谢：本文已获得作者Krishna Rao Vijayanagar授权翻译和发布，特此感谢。
原文链接：https://ottverse.com/what-is-per-title-encoding/

翻译、编辑：Alex
技术审校：赵军
本文来自OTTVerse，作者为Krishna Rao Vijayanagar。