Category: Industries

スポーツ中継、ゲーム、ニュース配信、TV番組など、動画配信のニーズは高まっているものの、配信遅延や最適なサービスの選択に困っている方もいらっしゃるのではないでしょうか？メディアサービスを検討する際によくある課題とソリューションについて、以下のように4つのパートに分けて解説します。三つ目のテーマは「動画プレイヤーのおすすめ最適化」です。 パート 1：レイテンシーの定義と測定 パート 2：エンコード、パッケージ化、および CDN 配信のおすすめ最適化 パート 3：動画プレイヤーのおすすめ最適化（この記事） パート 4：参照アーキテクチャとテスト結果

スポーツ中継、ゲーム、ニュース配信、TV番組など、動画配信のニーズは高まっているものの、配信遅延や最適なサービスの選択に困っている方もいらっしゃるのではないでしょうか？メディアサービスを検討する際によくある課題とソリューションについて、以下のように4つのパートに分けて解説します。ふたつ目のテーマは「エンコード、パッケージ化、および CDN 配信のおすすめ最適化」です。 パート 1：レイテンシーの定義と測定 パート 2：エンコード、パッケージ化、および CDN 配信のおすすめ最適化（この記事） パート 3：動画プレイヤーのおすすめ最適化 パート 4：参照アーキテクチャとテスト結果

スポーツ中継、ゲーム、ニュース配信、TV番組など、動画配信のニーズは高まっているものの、配信遅延や最適なサービスの選択に困っている方もいらっしゃるのではないでしょうか？メディアサービスを検討する際によくある課題とソリューションについて、以下のように4つのパートに分けて解説します。ひとつ目のテーマは「レイテンシー（配信遅延）の定義と測定」です。 パート 1：レイテンシーの定義と測定（この記事） パート 2：エンコード、パッケージ化、および CDN 配信のおすすめ最適化 パート 3：動画プレイヤーのおすすめ最適化 パート 4：参照アーキテクチャとテスト結果

スウェーデンのスタートアップ、Newstag では人工知能 (AI) を使用し、世界中の主要なニュースプロバイダーから集めたニュースをカスタマイズした動画ニュースチャンネルを制作しています。同社の使命は、人々や組織が最新の多様な情報を活かし、自らの可能性を広げられるよう支援することです。Newstag では世界中から集めた同社の顧客向け動画ニュースがより多くの人々に届くよう、各動画のリッチメタデータを制作しています。Newstag では Amazon Transcribe、Amazon Translate、Amazon Comprehend を使用することにより、動画からメタデータを抽出し、制作するという膨大な手作業を要するこのプロセスを自動化することに成功しました。AWS の各種サービスを組み合わせて使用することで、Newstag では従来の 10 倍に相当する量の動画メタデータを制作できるようになったのです。 「人々は自分たちの見るニュースを選びたがっていると、私たちは感じています。顧客自身が関連するストーリーを取捨選択できるようにすること、当社の使命を遂行するのに、このことが極めて重要であると私たちは考えます」と Newstag 社 CTO、Mats Ekholm は述べています。これを現実にするため、Newstag ではパーソナライズされた動画ニュースチャンネルを作成するのに顧客自身が選択できるタグを開発しました。以下のスクリーンショットでは顧客が Newstag でこれらのタグをどのように選択するかについて解説しています。 一日に 1,000 本以上の動画を提供するため、Newstag の編集スタッフは長い時間をかけてコンテンツへのタグ付けを行っていました。その作業には複数の言語を要し、手作業で行わなければなりませんでした。タグの多くは表題、簡単な説明、そして一部のメタデータで構成されています。同社は需要に応えようと奮闘しながらシンプルでコスト効率が良く、展開しやすいソリューションを探しました。AWS で事前トレーニングを施した機械学習 (ML) サービスを使用することで、Newstag は AI に関する経験なしでも、AI を使用してこの問題を解決したのです。 まず、Newstag は Amazon Transcribe を使用して、Amazon Simple Storage Service (S3) に格納された動画音声をサポート言語でテキスト化します。続いて、テキスト化された英語以外のデータ、その他の表題、説明、または動画と共に元々提供されたキーワードに Amazon Translate を適用して正確な英語訳を作成します。最後に、テキストコンテンツを分析してインサイトを提供する機械学習サービスである Amazon Comprehend を使用して、入手できてる英語のテキストすべてから、題を抽出します。組織、人々、場所、ロケーションなど、名前の付けられた題は、顧客が興味のあるコンテンツを見つけやすくするための正確なタグの作成に使用されます。 「手作業で処理していた頃は 1 時間あたり 3 […]

simpleshow は 10 数年前に、3 分間のアニメーション解説動画を使用することによって、お客様がそれぞれの素材、アイデア、および製品を説明できるように援助し始めました。これらの解説動画は、ふたつの手とシンプルな白黒のイラストを使って視聴者にストーリーを伝えます。現在 simpleshow では、誰もがほぼすべてのトピックに関する高品質の解説動画を作成できるプラットフォーム、mysimpleshow.com も提供しています。このプラットフォームは Amazon Polly と統合されているため、台本が提供されていれば、誰でも解説動画に自然な発音の音声を使用できます。 最初に、simpleshow についてもう少しお話ししてから、mysimpleshow がどのように Amazon Polly と統合されているかについて説明したいと思います。 過去 10 年の間、simpleshow は解説動画フォーマットの有効性を科学的に証明し、simpleshow の専門家は、何千にも及ぶ解説動画において、シンプルかつ楽しい方法でそれぞれのトピックを紹介できるようにお客様を助けてきました。 これらの動画の制作には、チーム内に多くの才能が必要です。 ストーリーテリング: 認定された simpleshow のコンセプトライターが基本的な事実を中心にストーリーを創り出します。 イラストレーション: 才能豊かなアーティストが適切な抽象化レベルで対象物とコンセプトをイラストにします。 ビジュアル化: ストーリーボードアーティストとモーションデザイナーがストーリーをビジュアル化してアニメーションにします。 音声: プロの話し手のネットワークが、ふさわしい口調であることを確実にします。 解説動画が極めて幅広い用途を持つフォーマットであることに気付いた simpleshow のチームは、さらに多くの分野におけるさらに多くのユーザーがリソースを使用できるようにしたいと考えました。これが、simpleshow のチームが mysimpleshow.com を作った理由です。このプラットフォームは、誰もがほぼすべてのトピックに関する高品質の解説動画を作成できるようにするものです。mysimpleshow は人口知能 (AI) を使用し、使いやすいユーザーインターフェイスを備えています。 mysimpleshow でのプロセスはとてもシンプルです。 まず、ユーザーがストーリーを書きます。mysimpleshow は、幅広いトピックを対象とするサンプルストーリーを使ったテンプレートとインスピレーションでユーザーをガイドします。 ストーリーのテキストは、次に mysimpleshow の中核にある人工知能、Explainer Engine によって分析されます。Explainer Engine は、意味のあるキーワード、人物、および場所を認識するために自然言語処理 (NLP) を使用します。その後、Wikipedia […]

AWS入社前、私はスポーツテレビチャンネルを所有し配信していた会社に勤めていました。数十箇所の拠点からのスポーツフィードを1つのチャンネルに集約して24時間配信をしておりました。 この規模の放送グレードのネットワークを運用するためのインフラストラクチャとロジスティクスは膨大であり、運用保守が困難であり高コストでした。 これは一部の地域や組織の問題ではなく、メディア企業は独自のネットワークインフラストラクチャで同様の課題に直面しています。 非都市部からの映像フィードを衛星通信経由で統合し、信頼性と放送機能を維持しながら映像信号を複数の地域や国に配信する事は難しい課題であり設備投資も必要でした。   Introducing AWS Elemental MediaConnect AWS Elemental MediaConnectはメディア企業がライブビデオをクラウドに確実に取り込む事ができ、AWSグローバルネットワークを通じて複数の宛先へ安全に送信できる新しいAWS Elementalサービスです。 AWS Elemental MediaConnectは衛星伝送で慣れ親しんだ信頼性、セキュリティ、可視性をお客様に提供します。柔軟性とコスト最適化はインターネットベースの伝送でのみ可能です。ローカルのスポーツイベントを扱う小規模のビデオ制作者から、複数の24時間365日のテレビチャンネルを持つ全国放送のテレビネットワーク、AWSクラウド以外のソース（スポーツ施設やテレビスタジオなど）からコンテンツを確実に取り込むことができます。放送局グレードの信頼性と運用上の可視性を備え複数の宛先へ安全に映像信号を伝送します。これらの目的地は、お客様独自のAWSベースのビデオ処理システムまたはインターネット上のサービスを指定することができます。   What you need to know: Broadcast Reliability – AWS Elemental MediaConnectは信頼性の高い放送局グレードの基準を満たすように設計されており、ジッタとバッファリングを削減するように最適化されています。そしてビデオプロフェッショナルが使用するビデオ伝送プロトコル（RTP、FEC付きRTP、Zixiプロトコルなど）に対応することで、信頼性を確保します。AWS Elemental MediaConnectは低レイテンシ、高帯域幅のAWSグローバルネットワークを使用して、AWSリージョン間で映像信号を伝送および複製します。 Industry-Grade Security – AWS Elemental MediaConnectはメディア企業のセキュリティ要件をサポートします。 AES-256暗号化を使用してストリームを暗号化するオプションを提供し、AWS Secrets Managerを用いて鍵を安全に保管します。 併せて複製機能を用いて、お客様はAWS内外の複数の関係会社様へコンテンツを安全に伝送できます。 Visibility & Operations  – 最後にAWS Elemental MediaConnectはお客様に映像信号の健全性を可視化します。サービス品質（QoS）アラーム、及びリアルタイム信号チェックを組み合わせミッションクリティカルな映像信号の健全性を 追加設定なしで確認できます。さらにAWS Elemental MediaConnectは他のAWS Media ServicesやCloudWatchと統合されており、ダッシュボードの作成やアラームの作成が容易です。 AWS Elemental MediaConnect in […]

Amazon SageMaker の Amazon Kinesis Video Streams Inference Template (KIT) の発売を発表できることを嬉しく思っています。この機能により、顧客はほんの数分で Amazon SageMaker エンドポイントに Kinesis Video streams をアタッチすることが可能です。これにより、他のライブラリを使用したり、カスタムソフトウェアを作成してサービスを統合することなく、リアルタイムの推論が可能になります。KIT は、Docker コンテナとしてパッケージ化された Kinesis Video Client Library ソフトウェアと、すべての必要な AWS リソースのデプロイを自動化する AWS CloudFormation テンプレートとで構成されています。 Amazon Kinesis Video Streams を使用すると、アナリティクス、機械学習 (ML) 、再生、その他の処理のために、接続したデバイスからオーディオ、ビデオ、関連メタデータを AWS に確実にストリームすることができます。Amazon SageMaker は、開発者やデータサイエンティストが ML モデルを迅速かつ容易に構築、トレーニング、および展開するための管理プラットフォームです。 ホームセキュリティカメラ、エンタープライズ IP カメラ、トラフィックカメラ、AWS DeepLens 、携帯電話などのソースからオーディオおよびビデオフィードを Kinesis Video Streams へと取り込みます。スマートホームのざまな業界からスマートシティへ、インテリジェント製造から小売業に渡るさまざまな業界のデベロッパーとデータサイエンティストが、AWS クラウドでこれらの動画フィードを分析するために、独自の 機械学習アルゴリズムを導入したいと考えています。これらの顧客が Kinesis Video […]

 AWS でメディア解析ソリューションを使用して、メディアファイルから意味のあるメタデータを簡単に抽出することができます。 メディア解析ソリューションは、数分でメディアファイルから意味のあるメタデータの抽出を始めるために使用できる AWS CloudFormation テンプレートを提供します。ウェブベースのユーザーインターフェイスを使用すると、簡単にファイルをアップロードし、自動的に抽出されたメタデータを表示することができます。 このソリューションは、顔認識に Amazon Rekognition、文字起こしの作成に Amazon Transcribe、文字起こしでの感情分析に Amazon Comprehend を使用します。独自の画像を Amazon Rekognition コレクションにアップロードして、個人を認識できるようにソリューションをトレーニングすることもできます。 料金を支払うのは、このソリューションをテストするときに使用するサービスに対してのみです。1080p HD ビデオの場合、このソリューションを開始するのに必要なコストは、1 時間あたり 8 USD 以下です。このソリューションは、メディアライブラリにインデックス付けされるメタデータの量に基づいて、さまざまなサイズで利用できます。サイズに応じた価格の範囲は月額 300 – 1,000 USD で、主にメタデータのインデックス付け、検索、保存のための Amazon Elasticsearch Service のコンピューティングとストレージのコストで構成されています。 このブログ記事では、ソリューションを起動して画像やビデオをアップロードする方法を段階的に示します。メタデータがどのようにしてシームレスに抽出されるかを直接見ることができます。 注意: このソリューションは、現在は特定の AWS リージョンでのみ利用可能である Amazon Rekognition、Amazon Comprehend、Amazon Transcribe を使用しています。したがって、このソリューションは、これらのサービスが利用可能な AWS リージョンで起動する必要があります。最新のリージョン別の AWS のサービスの利用可用性については、リージョン別の AWS のサービス内容をご覧ください。 ステップ 1: メディア解析ソリューションのデプロイ ユーザー名とパスワードを使って、AWS マネジメントコンソールにサインインします。メディア解析ソリューションへ移動して、[Deploy […]

ビデオを制作したり、ビデオを見るのに時間を費やしたり、ビデオを共有したりする人々が急激に増えつつあります。今日制作されるビデオの大半はユーザーが作成したコンテンツですが、こうしたコンテンツをそのまま公開するとリスクが生じます。不適切なコンテンツや望ましくないコンテンツを削除して、顧客にとって肯定的なウェブサイト体験を確保するために、企業はスケーラブルなコンテンツモデレーションプロセスが必要です。 このブログ記事では、Amazon Rekognition Video を使用してコンプライアンスとモデレーションを強化するために、ビデオコンテンツを評価するためのサーバーレスアーキテクチャを構築する方法を説明します。顧客 (特にメディアやエンターテインメント企業) は、対象者の年齢に応じたコンテンツを構築したり、ビデオで不適切なコンテンツを識別したりするために、ビデオを分類するという課題に直面しています。Amazon Rekognition Video は、物体の経路を追跡し、アクティビティを検出し、物体、有名人、コンテンツのタイプを認識する、深層学習による動画分析サービスです。Amazon Rekognition Video は明示的で疑わしいコンテンツを検出できるため、アプリケーションやコンプライアンスの要件に基づいてビデオをフィルタリングできます。 従来、ビデオ内でのコンプライアンスは企業にとって手作業であり、ビデオを検証するには完全に視聴する必要がありました。このプロセスは時間がかかり、スケーラビリティがなく、間違いが発生する可能性がありました。私たちが提案するソリューションは、オペレータの手作業の効率を大幅に改善し、レビューされるビデオコンテンツの量を減らし、レビュー担当者はフラグが立てられたコンテンツにのみ集中することができます。このブログ記事で使用されているサーバレスソリューションは Amazon Rekognition であり、費用対効果に優れたスケーラブルなコンテンツモデレーションプロセスを顧客に提供します。これは、企業がビデオをモニターし公開するのに役立ちながら、肯定的な顧客体験を保証し、潜在的な評価に関するリスクを限定します。 ソリューションを起動するには、次の AWS CloudFormation スクリプトを使用します。   ソリューションのアーキテクチャ概要 この例では、不要なコンテンツのフラグが設定されているビデオのコンテンツ管理者に警告する、実際のユースケースに近い例を取り上げます。コンテンツのパイプラインに統合するために、Amazon S3 イベントを使用するワークフロートリガー (新しいアセットの到着)、Amazon DynamoDB を使用するコンテンツメタデータストレージ、および Amazon Glacier を使用するデジタルアセットアーカイブで表現します。この例では、最小限のコードベースによって、Amazon Simple Notification Service（SNS）、AWS Lambda、Amazon Rekognition を使用するサーバーレスワークフローのカップリングのシンプルさを示しています。 アセットを取り込む Amazon S3 バケットにメディアをアップロードした直後に処理が開始されます。Amazon S3 イベント通知が、ビデオファイルで StartContentModeration API アクションを開始するビデオプロセッサ Lambda 関数をトリガーします。Amazon Rekognition Video によるメディア処理の完了ステータスは、Amazon SNS を介して取得され、次にコンテンツ警告 Lambda […]

  Formula One Group（Formula 1、以下F1）がAWSと提携し、クラウド化プロジェクトを開始しました。 F1は、21か国で開催する国際自動車連盟 (FIA) 主催のF1世界選手権 (FIA Formula One World Championship) の推進を担っています。 F1はITインフラストラクチャの大部分をオンプレミスのデータセンターからAWSクラウドへ移行予定です。フルマネージドな機械学習サービスAmazon SageMaker、イベント駆動型サーバーレスのコンピューティングサービスAWS LambdaやAWS分析サービスなど、さまざまなAWSサービスを通じてレース戦略とデータ追跡システムを強化し、世界で5億人を超えるファンとレーシングチームに、より確実な統計と予測情報を提供します。 F1の放送システムに関しても、複数の施設に及ぶ膨大なコンテンツデータをAWSのクラウドストレージで管理し、AWS Elemental Media Servicesで映像処理を行うというクラウドによるワークフローへ移行しました。複数の国でレースを行うため、現地にIT運用センターを設営する必要がありますが、クラウドを利用することで現地に運び込む機材が少なくなるため、クラウドが提供する効率性に加えて実用性な面でも利点を得ることができます。 F1は、非常にデータドリブンな自動車レースです。各レースでは、各競技車両が実装する120個のセンサーが3 GBのデータを生成し、毎秒1,500データポイントが生成されます。 F1のデータ科学者は、過去65年間で蓄積されたレースデータを使って深度学習モデルをトレーニングします。例えば、適切なピットストップウインドウ（適正なピットのタイミング）の特定や、タイヤ交換のピットストップ作戦といった、レース中の予測を行うことが可能です。リアルタイムでデータ分析をして、ドライバーが限界点までパフォーマンスを出しているかどうかといった洞察を、視聴しているファンに提供します。Amazon Kinesisを使って、機械学習、分析に用いる動画をリアルタイムにAWSのワークフローに取り込み、旋回中の各競技車両の主要なパフォーマンスデータを高速処理し、 Amazon SageMaker を活用した機械学習の結果により、ドライバーのパフォーマンスを正確に把握することができます。 F1のイノベーションとデジタル技術のディレクター、ピート・サマラ氏（Pete Samara）は次のように述べています。「AWSは我々のニーズに対して、他のクラウド事業者に勝るスピード、スケーラビリティ、信頼性、グローバル展開、パートナーエコシステム、そして幅広いサービスを提供してくれます。Amazon SageMakerなどの機械学習サービスを活用することにより、強力な洞察と予測をリアルタイムでファンに提供することができます。 また、AWSのスケーラブルで高性能コンピューティングワークロードを、Formula 1 Motorsports部門が活用できていることも素晴らしいです。これにより、新車のデザインルールの開発時に、エアロダイナミクス（空力性能）チームが実行できるシミュレーションの数と品質が大幅に向上します。」 原文はFormula One Group Case Study https://aws.amazon.com/jp/solutions/case-studies/formula-one/ AWSでの機械学習について https://aws.amazon.com/jp/machine-learning/ AWS ビデオソリューションについて https://aws.amazon.com/jp/digital-media/aws-managed-video-services/   AWS Elemental Marketing 山下