Как Google создает видео-нарезки (Composite Videos) на лету, используя текстовый запрос и анализ аудиодорожек

Термины и определения

Composite Video (Сводное видео)

Видеофайл, сгенерированный системой автоматически путем объединения (конкатенации) нескольких отдельных видеосегментов (Video Segments), которые соответствуют поисковому запросу.

Video Segment (Видеосегмент)

Фрагмент исходного видео, идентифицированный как соответствующий запросу на основе анализа транскрипта. Определяется временными метками начала и конца.

Transcript (Транскрипт)

Текстовая расшифровка аудиодорожки видео. Может быть получена путем автоматического распознавания речи (ASR) или из субтитров. Транскрипт синхронизирован по времени с видео.

Timestamp (Временная метка)

Метка времени, указывающая, когда конкретное слово произносится в видео, или определяющая начало/конец Video Segment.

Matching Score (Оценка соответствия)

Метрика, используемая для оценки и выбора Video Segments. Основывается на Relevancy Score, Popularity Score и Recency Score.

Relevancy Score (Оценка релевантности)

Показатель степени соответствия видеосегмента поисковому запросу. Учитывает количество совпадающих терминов, использование синонимов и близость слов в транскрипте.

Popularity Score (Оценка популярности)

Показатель популярности исходного видео. Может измеряться через CTR, количество ссылок, комментариев и т.д.

Recency Score (Оценка свежести)

Показатель, учитывающий дату публикации или создания исходного видео.

Regeneration Interface Element (Элемент интерфейса регенерации)

Элемент управления (например, кнопка "обновить"), позволяющий пользователю запросить создание нового Composite Video по тому же запросу.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает систему поиска видеоконтента с функцией генерации и регенерации сводного видео.

1. Система получает поисковый запрос, содержащий несколько поисковых терминов.
2. Идентифицируется множество видеосегментов, соответствующих запросу. Ключевое условие: каждый сегмент связан с транскриптом (Transcript), который включает эти поисковые термины.
3. Каждому сегменту присваивается Matching Score, основанная на Relevancy Score (степень соответствия запросу), Popularity Score (популярность исходного видео) и Recency Score (свежесть исходного видео).
4. Выбирается первый набор видеосегментов на основе Matching Score.
5. Генерируется первое Composite Video путем автоматического объединения сегментов без участия пользователя. Указан метод конкатенации: соединение последнего кадра первого сегмента с первым кадром второго сегмента.
6. Первое Composite Video представляется пользователю.
7. Система получает запрос на генерацию другого видео в ответ на выбор элемента интерфейса регенерации (Regeneration Interface Element).
8. Выбирается второй набор видеосегментов (отличающийся от первого) на основе Matching Score.
9. Генерируется и представляется второе Composite Video (отличающееся от первого).

Claim 2 и 3 (Зависимые от 1): Детализируют процесс идентификации видеосегмента.

1. Запрос ассоциируется с ключевыми словами.
2. Идентифицируется часть транскрипта, включающая ключевые слова.
3. Идентифицируются временные метки (Timestamps): первая метка (время начала) и вторая метка (время окончания), связанные с этой частью транскрипта.
4. Идентифицируется видео, связанное с транскриптом.
5. Сегмент видео идентифицируется на основе этих временных меток.

Claim 5 (Зависимый от 1): Уточняет механизм выбора сегментов. Выбор набора видеосегментов может осуществляться случайным образом (randomly select).

Где и как применяется

Изобретение затрагивает несколько этапов поисковой архитектуры, обеспечивая глубокую индексацию видео и динамическую генерацию результатов.

INDEXING – Индексирование и извлечение признаков
Это критический этап для работы системы. В процессе индексирования происходят:

• Транскрибирование аудио: Извлечение аудиодорожек и их преобразование в текст с помощью Automatic Speech Recognition (ASR) или использование загруженных субтитров.
• Синхронизация: Создание время-синхронизированных транскриптов (Transcripts), где каждому слову соответствует Timestamp.
• Индексирование текста: Создание инвертированного индекса, который позволяет быстро находить слова в транскриптах и связывать их с соответствующими видео и временными метками.
• Расчет метрик: Вычисление и сохранение статических сигналов для исходных видео, таких как Popularity Score и Recency Score.

QUNDERSTANDING – Понимание Запросов
Полученный текстовый запрос обрабатывается: парсинг на термины, определение ключевых слов, возможное расширение синонимами или акронимами.

RANKING – Ранжирование (на уровне сегментов)
Происходит отбор кандидатов (Video Segments) из индекса транскриптов. Для каждого кандидата рассчитывается Relevancy Score. Затем вычисляется итоговая Matching Score путем комбинирования Relevancy Score с предварительно рассчитанными Popularity Score и Recency Score. Происходит выбор набора сегментов.

METASEARCH / RERANKING (Генерация контента)
В контексте данного патента этот этап не столько смешивает результаты, сколько генерирует новый контент. Происходит физическое объединение (конкатенация) выбранных видеосегментов в Composite Video и его предоставление пользователю. Также здесь реализуется логика регенерации (Refresh).

На что влияет

• Конкретные типы контента: В первую очередь влияет на видеоконтент, содержащий разборчивую речь (лекции, новости, обзоры, интервью). Контент без речи не будет обрабатываться этой системой.
• Специфические запросы: Информационные запросы, цитаты, запросы, направленные на поиск конкретных утверждений или фраз, произнесенных в видео.

Когда применяется

• Триггеры активации: Ввод пользователем текстового запроса в интерфейсе системы, реализующей данный механизм.
• Условия работы: Наличие в индексе достаточного количества видео с обработанными транскриптами, релевантными запросу.
• Обновление: Активация функции регенерации (выбор Regeneration Interface Element) для получения нового результата по тому же запросу.

Пошаговый алгоритм

Процесс А: Индексирование (Офлайн)

1. Сбор видеоданных: Получение видео и его метаданных.
2. Генерация транскрипта: Создание текстовой расшифровки аудиодорожки (ASR или субтитры).
3. Выравнивание: Привязка транскрипта к временным меткам (Timestamps) видео.
4. Расчет статических метрик: Вычисление Popularity Score и Recency Score для исходного видео.
5. Индексация: Сохранение транскрипта, временных меток и статических метрик в поисковом индексе.

Процесс Б: Обработка запроса и генерация результата (Онлайн)

1. Получение и анализ запроса: Система получает запрос и определяет ключевые слова (включая синонимы).
2. Поиск по транскриптам: Поиск в индексе частей транскриптов, соответствующих ключевым словам.
3. Идентификация сегментов-кандидатов: Определение Video Segments на основе временных меток.
4. Расчет Matching Score: Для каждого сегмента вычисляется оценка:
   • Определяется Relevancy Score.
   • Извлекаются Popularity Score и Recency Score исходного видео.
   • Вычисляется итоговый Matching Score.
5. Отбор сегментов: Выбор набора сегментов (на основе Matching Score или случайным образом).
6. Генерация Composite Video: Автоматическое объединение (конкатенация) выбранных сегментов в новый видеофайл.
7. Представление результата: Отображение Composite Video пользователю.
8. Обработка запроса на обновление (Refresh): При получении запроса система возвращается к шагу 5, выбирает другой набор сегментов и генерирует новое Composite Video.

Какие данные и как использует

Данные на входе

• Контентные факторы (Аудио/Текст): Критически важные данные. Используются транскрипты (Transcripts) аудиодорожек видео. Анализируется наличие ключевых слов, их близость и контекст.
• Временные факторы: Recency Score (свежесть) исходного видео используется при расчете Matching Score. Временные метки (Timestamps) используются для синхронизации текста и видео.
• Поведенческие / Ссылочные факторы: Popularity Score (популярность) исходного видео используется при расчете Matching Score. Патент упоминает, что популярность может измеряться через CTR, количество веб-ссылок (web links), количество комментариев (comments).

Какие метрики используются и как они считаются

Ключевой метрикой является Matching Score, которая используется для выбора сегментов.

• Matching Score: Агрегированная оценка для видеосегмента. Патент утверждает (Claim 1), что она основана на Relevancy Score, Popularity Score и Recency Score. Может использоваться взвешенная сумма или взвешенное среднее.
• Relevancy Score: Рассчитывается на основе анализа транскрипта сегмента и запроса. Факторы, повышающие оценку:
  • Большее количество совпадающих поисковых терминов/ключевых слов.
  • Совпадение точных терминов запроса (может иметь больший вес, чем совпадение синонимов).
  • Близость (proximity) ключевых слов друг к другу в транскрипте.
• Popularity Score и Recency Score: Метрики качества и актуальности исходного видео.

Методы анализа: Используется Automatic Speech Recognition (ASR) для генерации транскриптов на этапе индексирования. Natural Language Processing (NLP) применяется для парсинга запроса.

1. Глубокая индексация аудиоконтента: Патент подтверждает способность Google индексировать видео по фактическому аудиосодержанию. Система создает и использует время-синхронизированные транскрипты (Transcripts) для поиска на уровне отдельных сегментов (Video Segments).
2. Произнесенное слово как ключевой фактор: Качество и содержание аудиодорожки становятся прямыми факторами ранжирования для видеоконтента.
3. Ранжирование на уровне сегментов (Granular Ranking): Система ранжирует не только видео целиком, но и отдельные его сегменты. Для этого используется Matching Score, применяющий стандартные поисковые сигналы: релевантность, популярность, свежесть.
4. Важность качества источника: Популярность (Popularity Score) и свежесть (Recency Score) исходного видео напрямую влияют на вероятность выбора сегмента, даже если он идеально релевантен.
5. Автоматическая генерация контента: Описан механизм автоматического создания нового видеоконтента (Composite Video) на лету в ответ на запрос пользователя.
6. Встроенное разнообразие результатов: Механизм регенерации (Refresh) предусматривает возможность генерации разных Composite Video для одного и того же запроса, обеспечивая разнообразие выдачи.

Best practices (это мы делаем)

Хотя патент описывает специфическую функцию генерации видео-нарезок, он дает важные инсайты для общей стратегии Video SEO, подтверждая важность базовых технологий индексации.

• Оптимизация аудиодорожки и речи: Обеспечьте высокое качество звука и четкость речи. Структурируйте речь так, чтобы ключевые фразы и ответы на вопросы были ясно произнесены. Это повысит качество автоматического транскрибирования (ASR) и улучшит Relevancy Score сегментов.
• Загрузка точных транскриптов (Субтитров): Всегда проверяйте качество автоматически сгенерированных субтитров. Рекомендуется загружать вручную выверенные субтитры, чтобы гарантировать, что система индексирует контент без ошибок распознавания речи.
• Повышение популярности исходного видео (Popularity Score): Работайте над общим продвижением видео: стимулируйте просмотры, комментарии, получение ссылок и шеринг. Популярность исходного видео является фактором при выборе его сегментов.
• Создание актуального контента (Recency Score): Свежесть контента учитывается системой, поэтому регулярное обновление и публикация актуальных видео повышает шансы на их использование.
• Структурирование видео для сегментации: Создавайте видео с четкой структурой, где разные темы обсуждаются в отдельных блоках. Это упрощает системе идентификацию релевантных сегментов (связь с Key Moments).

Worst practices (это делать не надо)

• Игнорирование качества звука: Низкое качество звука, фоновый шум или невнятная речь приведут к ошибкам в транскриптах и невозможности корректной индексации содержания видео.
• Оптимизация только метаданных: Фокусироваться только на заголовках и описаниях, игнорируя содержание аудиодорожки. Патент показывает, что поиск идет именно по содержанию (транскрипту).
• Использование неточных автоматических субтитров: Полагаться только на автоматически сгенерированные субтитры без их корректировки опасно, так как ошибки в распознавании могут привести к потере релевантности.

Стратегическое значение

Патент демонстрирует технологические возможности Google в области глубокого анализа видеоконтента. Для SEO-стратегии это означает, что оптимизация видео больше не ограничивается метаданными. Содержание аудиодорожки является полноценным объектом индексации и ранжирования на гранулярном уровне. Это подчеркивает важность инвестиций в качество производства видеоконтента, включая аудио, и необходимость обеспечения его максимальной доступности для поисковых систем через точные транскрипты.

Практические примеры

Сценарий: Оптимизация видео-инструкции для попадания в результаты поиска по сегментам

1. Задача: Продвинуть видео о настройке нового смартфона.
2. Анализ запросов: Определяются частые запросы, например, «как включить темную тему на [Модель Смартфона]».
3. Производство контента (Оптимизация Транскрипта): В сценарии видео прописывается четкая фраза: «Чтобы включить темную тему на [Модель Смартфона], зайдите в Настройки...». Эта фраза четко произносится диктором с хорошим качеством звука.
4. Публикация и оптимизация: Загружается качественный транскрипт с таймкодами. Проводится работа по распространению видео для повышения его Popularity Score.
5. Результат (согласно патенту): Когда пользователь вводит запрос, система находит этот сегмент по транскрипту. Если Popularity Score и Recency Score видео высоки, этот сегмент получает высокий Matching Score и выбирается для показа (либо в виде Composite Video, либо в виде «Ключевого момента» в текущей реализации поиска).