内容自适应编码可将您的 CDN 成本显著降低 50%

本文将展示内容自适应编码 (CAE) 如何确保出色的视频质量，同时降低 H.264/AVC 转码的比特率。我们用不同复杂度的视频的比特率和 VMAF 结果来证明这一点。

在为每个视频选择最佳比特率时，内容自适应编码利用了压缩效果取决于内容复杂性这一事实。

这确保了

• 比特率/带宽节省，适用于简单到中等复杂度的视频
• 复杂视频内容片段的质量改进。

内容自适应编码和 Per-Title 编码的定义

“内容自适应编码”和“按标题编码”在互联网上可以互换使用。我们向ChatGPT询问了他们的定义，这是我们得到的——

Per-Title 编码

这是一种视频编码方法，其中编码器根据每个片段中内容的复杂性逐个场景或逐个镜头地调整视频的比特率。Per-Title 编码的目标是保持一致的视觉质量水平，同时最小化编码视频的文件大小。

内容自适应编码

内容自适应编码考虑了视频内容的复杂性和观看它的上下文。例如，与在互联网连接速度较慢的小屏幕上观看的视频相比，在互联网连接速度快的大屏幕上观看的视频可能会以更高的比特率进行编码。内容自适应编码旨在针对播放视频的特定环境优化观看体验。

是什么导致了视频的复杂性？

在讨论视频复杂性之前，让我们先了解编码器的工作原理。

视频编码器利用时间和空间冗余，以便可以使用更少的比特来表示视频帧。复杂的视频素材减少冗余的机会较少，这会降低压缩效率。

下面，我们列出了一些导致视频内容复杂性的关键因素——

1. 纹理信息
   • 视频中的详细信息：通常，树木、水体、人群和室外场景更为复杂。
   • 具有体育场景观、大量观众、草地、花园和远处摄像机视野的体育赛事增加了高度复杂的场景。
   • 通常，具有许多边缘和变化的帧构成高复杂度的视频。
2. 高速运动和多次运动
   • 快速相机移动
   • 平移、放大、缩小
   • 快速物体运动
   • 改变观点或视角
   • 灯光变化等增加了视频的复杂性。
3. 频繁的场景变化
   • 新场景、摄像机视图的变化以及在背景中添加和删除对象会使素材更加复杂。

然而，这些场景比平滑/低运动视频片段可以容忍更多的噪声。

ABR（可用比特率编码器）和 CAE（内容自适应编码器）的比特率比较

自适应视频流的视频编码/转码传统上使用固定比特率阶梯。这些阶梯通常是通过对一些示例视频进行编码并设置适合它们的比特率来生成的。

使用固定比特率阶梯的方法存在根本性缺陷，因为由于视频内容的复杂性各不相同，因此很难设计出适用于所有视频的固定比特率阶梯。

数以千计的视频测试向量及其复杂度从非常低到非常高的复杂度分类。这些视频的持续时间从 30 秒到 6 分钟不等。

对于这种高度复杂的视频内容，据观察需要大约 6000 kbps 的比特率才能确保可接受的视频质量。下面是比特率（以 kbps 为单位）与不同复杂度组的视频测试序列的柱状图。我们将 ABR 编码器 (@ 6000 kbps) 的输出与内容自适应编码器进行比较。 

蓝色条代表 ABR 模式，无论视频内容的类别如何，它都以 6000 kbps 的速度进行编码。橙色条用于内容自适应编码器，其中复杂性较低的内容使用较低的比特率，并且比特率随着内容复杂性的增加而增加。

当使用内容自适应编码时，我们看到了较低和中等复杂性内容的显着比特率节省。

ABR 与内容自适应编码的 VMAF 比较

ABR 和 CAE 编码模式的 VMAF 条形图如下所示。橙色条是 CAE 编码模式的 VMAF，蓝色条表示 ABR（平均比特率）转码。

• 对于 ABR 模式，可以看出即使低复杂度和中等复杂度的视频内容以高比特率编码，它们也没有提供任何显着的额外质量改进。 
• 根据图 1.0，虽然低和中等内容的比特消耗较低，但 VMAF 值与 ABR @ 6000 kbps 相当（如图 2.0 所示）。
• 在某些情况下，CAE 对高复杂性内容采用略低的比特率，但它提高了整体视觉质量并提供了更好的 VMAF。

该 CAE 算法被设计为具有低复杂度，因此不会增加任何进一步的编码复杂度或处理延迟。CAE 可以在单通道模式下工作，使其适用于实时编码用例。它提供统一、高质量的视频输出。CAE 的带宽节省有助于显着降低存储和 CDN 成本。

对于手机和平板电脑屏幕尺寸、客厅显示器和更大尺寸的显示器，可以降低目标比特率，可以提高目标比特率以获得所需的视频质量。 

内容自适应编码的优势：以 CDN 成本为例

如果我们考虑一个广播用例，其中完成一对多视频流，带宽是影响服务产品成本的一个重要因素。  

示例：考虑一家小型媒体公司

• 每月产生 500 小时的内容
• 平均（带自适应编码）视频传输带宽为 2 Mbps
• 假设此内容的平均浏览量为 10K。
• 考虑从每 GB 0.001 美元到每 GB 0.01 美元的 CDN 成本范围。

Annual number of hours content = 500 * 12 = 6000 Hrs

Size of 1 Hr content (@ 2Mbps) = 2*1024*1024*60 (min) * 60 (hours) / (8 * 1024^3(GB))
                               = 0.88 GB

Total CDN Usage per year       = 0.88 * 6000(Hours) * 10000(user)
                               = 52800000 GB (51562 TB)

CDN cost range                 = 0.001 * 52800000    to   0.01 * 52800000 USD
                               = $52800 to $528000 USD

考虑到上述示例，即使节省 10% 的带宽也可以节省高达 5280 至 52800 美元。在为大量受众提供优质内容的同时，可以为 OTT 和 Ed-Tech 节省高达 40% 的 CDN 成本和高达 70% 的成本。

结论

内容自适应编码可提高视频质量，同时根据内容的复杂性显着降低比特率（或文件大小）。

低复杂度、低延迟的内容自适应编码可以帮助转码 VOD 和实时视频。针对不同屏幕尺寸的不同预设有助于在各种显示尺寸下实现优质视频和比特率节省。

内容自适应编码为电子购物、OTT、游戏、EdTech 和其他视频流应用程序中的 VOD 和直播应用程序提供稳定、高质量、低复杂度和带宽优化的解决方案。 

作者：Ashok Magadum，Vidarka Technologies 的创始人兼首席执行官。
原文链接：https://ottverse.com/content-adaptive-encoding-cdn-cost-reduction/