Travailler en collaboration avec YouTube

Collaborate with YouTube.

Notre dernière collaboration

Rendre les YouTube Shorts plus facilement recherchables

‍ Les vidéos mobiles de petite taille sont plus populaires que jamais. Les YouTube Shorts – des vidéos de moins d’une minute – sont visionnés plus de 50 milliards de fois par jour, et ce chiffre ne cesse d’augmenter.

Les Shorts sont créés en quelques minutes et ne comportent souvent pas de descriptions ni de titres utiles, ce qui les rend plus difficiles à trouver via la recherche. C’est pourquoi nous avons introduit notre modèle de langage visuel Flamingo pour aider à générer des descriptions.

En analysant les premières images vidéo du Short, le modèle explique ce qui est montré à l’écran – par exemple, “un chien équilibrant une pile de crackers sur sa tête”. Ce texte est enregistré en tant que métadonnées sur YouTube pour mieux classer les vidéos et faire correspondre les résultats de recherche aux requêtes des utilisateurs.

Des stars de la K-pop émergentes aux guides de cuisine locaux, YouTube déploie cette technologie sur l’ensemble des Shorts, et des descriptions de vidéos générées automatiquement sont déjà appliquées à toutes les nouvelles publications. Désormais, les spectateurs peuvent regarder des vidéos plus pertinentes et trouver plus facilement ce qu’ils recherchent parmi une gamme plus diversifiée de créateurs du monde entier.

• Les dernières recherches de DeepMind à ICML 2022
• Perceiver AR génération autoregressive à long contexte polyvalente
• Le cercle vertueux de la recherche en IA

Notre approche

Appliquer notre recherche en IA pour améliorer l’expérience YouTube

Contribuer à enrichir la vie des gens grâce à notre recherche, nous avons collaboré avec des entreprises au sein d’Alphabet pour appliquer notre technologie afin d’améliorer les produits et services utilisés par des milliards de personnes chaque jour.

YouTube est l’un de nos principaux partenaires, qui a pour mission de donner à chacun une voix et de lui montrer le monde.

En travaillant avec les équipes produit et ingénierie de YouTube, nous avons contribué à optimiser les processus de prise de décision pour accroître la sécurité, réduire la latence et améliorer l’expérience des spectateurs, des créateurs et des annonceurs.

Optimiser la compression vidéo

Avec la prolifération des vidéos pendant la pandémie de COVID-19 et l’augmentation prévue du trafic internet, la compression vidéo est un problème de plus en plus important.

En collaboration avec YouTube, nous avons exploré le potentiel de notre modèle d’IA, MuZero, pour améliorer le codec VP9, un format de codage qui aide à compresser et à transmettre des vidéos sur Internet. Ensuite, nous avons appliqué MuZero à une partie du trafic en direct de YouTube.

Depuis son déploiement en production sur une partie du trafic en direct de YouTube, nous avons démontré une réduction moyenne de 4% du débit binaire sur un large ensemble de vidéos diverses. Le débit binaire détermine la capacité de traitement et la bande passante nécessaires pour lire et stocker des vidéos, ce qui impacte tout, de la vitesse de chargement d’une vidéo à sa résolution, sa mise en mémoire tampon et sa consommation de données.

En améliorant le codec VP9 sur YouTube, nous avons contribué à réduire le trafic internet, l’utilisation de données et le temps nécessaire pour charger les vidéos. Et grâce à l’optimisation de la compression vidéo, des millions de personnes dans le monde peuvent regarder plus de vidéos tout en utilisant moins de données.

Protéger la sécurité de la marque pour les créateurs et les annonceurs

Depuis 2018, nous collaborons avec YouTube pour mieux sensibiliser les créateurs aux types de vidéos pouvant générer des revenus publicitaires et nous assurer que les publicités apparaissent à côté de contenus conformes aux directives favorables aux annonceurs de YouTube.

En collaboration avec l’équipe YouTube, nous avons développé un modèle de qualité des labels (LQM) qui aide à étiqueter les vidéos avec une plus grande précision, conformément aux directives favorables aux annonceurs de YouTube. Le modèle a amélioré la précision des publicités diffusées sur des vidéos conformes aux politiques favorables aux annonceurs de YouTube.

En améliorant la manière dont les vidéos sont identifiées et classées, nous avons renforcé la confiance dans la plateforme pour les spectateurs, les créateurs et les annonceurs.

Amélioration des AutoChapitres

Ces dernières années, les créateurs ont commencé à ajouter des chapitres à leurs vidéos pour faciliter la recherche de contenu par leur public, mais ce processus manuel peut être lent et laborieux.

Pour améliorer l’expérience des créateurs et des spectateurs, nous avons collaboré avec l’équipe de recherche de YouTube et développé un système d’IA capable de traiter automatiquement les transcriptions vidéo, les caractéristiques audio et visuelles, et de suggérer des segments de chapitres et des titres pour les créateurs de YouTube.

Comme Sundar Pichai l’a annoncé lors de la conférence Google I/O 2022, les chapitres auto-générés sont déjà disponibles pour 8 millions de vidéos aujourd’hui, et nous prévoyons d’étendre cette fonctionnalité à plus de 80 millions de vidéos au cours de l’année prochaine.

Grâce aux AutoChapitres, les spectateurs passent moins de temps à chercher un contenu spécifique et les créateurs gagnent du temps dans la création de chapitres pour leurs vidéos.

Évolution des technologies et des produits

À mesure que la société et la technologie que nous utilisons évoluent, nous cherchons continuellement de nouvelles façons d’améliorer les technologies et produits du groupe Alphabet grâce à nos recherches en IA.

Notre collaboration avec YouTube a déjà eu un grand impact, et nous espérons apporter de nombreuses autres améliorations significatives à la vie des gens grâce à nos collaborations en cours.

We will continue to update IPGirl; if you have any questions or suggestions, please contact us!