／Netflix

Netflix運用機器學習來分析劇本結構和大量的工作人員劇本註解，打造出了許多劇本分析輔助工具，有的工具可以自動估算拍攝時間成本，來減少人工估算的作業，也有不少工具用來建立一個標準化的分類，方便評估製作這部影片的複雜度，例如有一個視覺特效拍攝分類器，可以從劇本自動分析鏡頭的複雜度，來預估需要提供什麼規模的製作花費，讓劇集經理在前製作業就能判斷，哪些場景需要視覺特效處理，到了後製階段，就可以更準確的安排相關計畫。

／Netflix

後製階段也有許多需要資料工程團隊支援，例如影片製作完成後，到播放前得經過影片品質檢查的把關，這也是靠大量影音資料工程技術來處理，例如有一個機器學習模型，可以自動檢測片商送來的素材是否有不良品質的畫面，像過度曝光，黑斑，不該出現的現場膠帶等，這些自動審查結果會搭配人工判斷，來決定是否可接受還是要重新後製。

另外，這個影片製作流程中的最後一段，則是會搜集各種用戶觀看的問題回饋，像是畫面模糊，頻寬不足之類抱怨，Netflix用NLP模型建立了一個用戶問題評分模型，可以分析用戶意見對不同類型問題的抱怨數量和嚴重程度，再將這些數據串連到品質控管流程，來評估是否要修補影片重新上架等品管作業的決策參考。

／Netflix

目前，Netflix正在打造一個內容理解平臺架構，可以支援不同影片製作階段的內容處理需求，以及一個能夠水平式擴張的機器學習服務，來提供如電腦視覺處理、NLP分析、會員理解等能力，更細緻地支援，從提案到播放的整套影片製作生命周期，每一階段需要的技術力。

 相關報導