日前,愛立信消費者研究室發(fā)布電視及媒體最新年度報告,該研究已經(jīng)進行了五年,根據(jù)對23個國家和地區(qū)的23000位受訪者的采訪結(jié)果表明,用戶行為的轉(zhuǎn)變持續(xù)驅(qū)動電視和傳媒產(chǎn)業(yè)的變革,促使人們放棄傳統(tǒng)格式及業(yè)務模式,因而開啟了優(yōu)質(zhì)、按需點播的娛樂新時代。
報告指出,全球范圍來看,流媒體幾乎與傳統(tǒng)電視觀看并駕齊驅(qū),75%的消費者每周都會觀看幾次流媒體視頻;相比之下,77%的消費者每周會觀看幾次傳統(tǒng)廣播電視節(jié)目。而對于中國城市用戶來說,每周進行流媒體觀看的用戶比例已經(jīng)遠遠超出觀看傳統(tǒng)廣播電視的用戶比例。
愛立信消費者研究室東北亞區(qū)總監(jiān)徐曉莉表示:“傳統(tǒng)廣播電視業(yè)務存在的弊端直接對用戶的媒體消費體驗有影響,并導致用戶減少乃至停用廣播電視服務。對于中國城市中20-24歲的用戶,每天觀看廣播電視的用戶比例從2012年的63% 下降至2014年的35%。”
消費者越來越多的使用不同終端觀看視頻。研究發(fā)現(xiàn),用戶在移動終端上觀看視頻的時長逐年提高,并且觀看視頻的地點也不僅僅是在家中。多屏生活趨使新的視頻觀看模式,“位移”式觀看行為由此產(chǎn)生。19%的中國城市用戶表示,他們一天當中至少有一次在不同終端之間進行視頻內(nèi)容的切換觀看。
而隨著訂閱式視頻點播(S-VOD)服務的出現(xiàn),讓消費者能夠以較低的固定資費獲得大量的視頻內(nèi)容,因此訂閱式視頻點播也成為許多消費者日常觀看習慣中重要的組成部分,“煲劇”式觀看由此出現(xiàn)。愛立信消費者研究室高級顧問Niklas Heyman Rönnblom表示:“我們的研究表明,56%的付費訂閱視頻點播服務的觀眾,希望電視劇所有劇集同時發(fā)布,這樣他們可以按照自己的節(jié)奏觀看,相比較之下沒有支付使用付費訂閱視頻點播服務的觀眾只有45%支持這個觀點。這表明此類服務對消費者觀看行為及需求有著一定的影響。”52%的中國城市用戶希望電視劇的所有劇集能夠一起發(fā)布并播放。
移動終端在視頻觀看中發(fā)揮越來越重要的作用,但阻礙消費者在智能手機中觀看視頻的因素為價格、網(wǎng)絡性能和內(nèi)容本身。價格因素包括數(shù)據(jù)流量成本和內(nèi)容本身的成本,而網(wǎng)絡質(zhì)量也是保證用戶觀看體驗的重要因素,47%的中國用戶認為,網(wǎng)絡性能制約了他們在移動終端上進行視頻觀看。
研究同時表明,觀眾對視頻畫質(zhì)的要求越來越高,其中71%的中國城市用戶強調(diào)高清畫質(zhì)非常重要,65%的用戶強調(diào)超高清(4K/UHD)對他們來說尤其重要,有45%的用戶表示他們愿意為超高清(4K/UHD)畫質(zhì)付費。
針對內(nèi)容的支付方式,徐曉莉表示:“針對不同類型的視頻內(nèi)容消費者有著不同的支付傾向,全球范圍來看,用戶最認可的支付方式是每月為內(nèi)容支付固定的費用。中國城市消費者更愿意通過觀看個性化廣告來獲取內(nèi)容的接入,30% 左右的用戶希望通過這種方式來觀看正在播放的電影或電視劇節(jié)目。”
在未來,打包整合的個性化媒體體驗將為用戶帶來更多價值,而消費者也更傾向于選擇靈活的、可根據(jù)個人喜好,進行自由組合頻道和媒體內(nèi)容的電視解決方案。
Heyman Rönnblom補充道:“研究結(jié)果顯而易見——媒體公司需要重新思考如何制作和發(fā)布內(nèi)容,而電視服務提供商的重點是,不論用戶使用什么樣的設備觀看,盡最大可能為觀眾提供最好的觀影質(zhì)量。格局變化日新月異,如果要繼續(xù)為消費者傳遞可感知的價值,那么業(yè)務和傳遞模式都必須跟上變革的步伐。”
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結(jié)果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。