利物浦足球俱乐部(LFC)已部署云存储提供商Wasabi的机器学习即服务解决方案,该服务将对俱乐部拥有的每一帧视频画面进行索引和标记。此举将每年节省5000小时的媒体管理时间,并能为球迷和合作伙伴组织提供"超个性化"内容。
WasabiAiR服务目前已在利物浦足球俱乐部的新视频内容上部署,每个比赛日产生数小时的视频内容,同时也正在应用于数十年的存档素材。
WasabiAiR是云提供商为客户现有存储服务的附加功能。它包含一个训练阶段,在此阶段系统学习识别——以利物浦足球俱乐部为例——个别球员、比赛详情、比赛情况等,使用Wasabi基础设施。
训练完成后,数据可以被摄取,并为素材中的每一帧创建元数据标签。原始数据存储在对象存储的数据库中,然后通过媒体资产管理软件(如体育客户使用的Imagen或Scoreplay)提供上下文信息,以实现快速搜索和重复使用。
以前的素材需要手动标记或保持相对不透明的状态,而使用WasabiAiR后,利物浦足球俱乐部能够根据球迷的个人详情、人口统计和地理位置提供定制内容——例如展示特定国籍的球员,或合作伙伴组织希望看到其标志可见的素材。
利物浦足球俱乐部技术和数字产品副总裁安迪·弗莱彻称这为"超个性化"。他说,正是自动化实现了这一点。
弗莱彻表示:"这从根本上改变了我们在该领域的业务方式。它从手动任务中释放了大量时间。我们看到团队一年内节省了超过5000小时,这使我们能够将这些资源转向增值活动。"
弗莱彻提到了2025年11月利物浦对阵皇家马德里时获得的好处,以及它如何让利物浦足球俱乐部能够在当晚就发布内容,而以前会受到手动流程的阻碍。
弗莱彻说:"我们能够从根本上改变向球迷提供内容的方式,就我们拥有的权利而言。由于欧足联规则,我们不被允许在午夜前播出,所以历史上我们很难在午夜前获得一些高质量的内容,因为所有的手动任务和流程。"
弗莱彻指出,通过元数据标记到达关键时刻对整个过程至关重要。
他说:"我们有完整的比赛,我们可以回放90分钟,但每个人都在其他频道看过了。所以,我们能做的是更多分析,提取定制时刻和比赛中的特定点。VT编辑不再需要说'哦,我们认为它发生在大约50分钟左右',我们可以直接切到标签和重要时刻。"
标记是逐帧进行的,识别画面中的人物和标志,以及解说员说出的词语,如"进球"。
弗莱彻说:"所以,它为你提供了比赛期间的时间线,逐帧显示。谁是画面中的人,说了什么话,看到了什么标志。"
它也可以反向工作来移除内容,这在其他国家的体育客户中已有案例,他们希望从素材中移除酒精和烟草广告。
弗莱彻说,实际上,这使整个档案库在与合作伙伴使用时变得更加便利。
弗莱彻表示:"如果我们想为特定合作伙伴和特定球员做特定活动,我们将能够搜索这个或那个赛季的内容或上一场比赛的内容并提取出来。这可能是围绕球衣的发布,能够展示特定动作镜头和标志的特定覆盖范围,例如。"
弗莱彻无法回答这是否导致合作伙伴收入增加的问题,但表示这让利物浦足球俱乐部能够准确告诉赞助商一个标志在比赛中可见了多少次,例如,以及其上下文,以允许合作伙伴最优地使用该内容。
他说:"所以,对于像渣打银行这样的合作伙伴,你可以说,'在萨拉赫举起奖杯的那张照片中,你的标志在这个时间处于前沿和中心位置',并能够以他们可以使用的适合他们的方式为他们提供服务。"
Q&A
Q1:WasabiAiR是什么?它能做什么?
A:WasabiAiR是云存储提供商Wasabi的机器学习即服务解决方案,能够对视频的每一帧进行索引和标记。它可以识别个别球员、比赛详情、比赛情况,以及画面中的人物、标志和解说员的话语,实现快速搜索和内容重复使用。
Q2:利物浦足球俱乐部使用WasabiAiR能节省多少时间?
A:利物浦足球俱乐部使用WasabiAiR每年能节省超过5000小时的媒体管理时间。这些节省的时间可以让团队将资源转向增值活动,而不是手动标记和处理视频内容。
Q3:WasabiAiR如何帮助利物浦足球俱乐部实现个性化内容?
A:WasabiAiR通过自动标记和索引,让利物浦足球俱乐部能够根据球迷的个人详情、人口统计和地理位置提供定制内容,比如展示特定国籍的球员,或为合作伙伴提供其标志可见的特定素材,实现"超个性化"服务。
好文章,需要你的鼓励
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。