【技术实现步骤摘要】
直播视频动态缓存方法
[0001]本专利技术涉及直播领域,更具体地,涉及一种直播视频动态缓存方法。
技术介绍
[0002]随着互联网的兴起,越来越多的网站通过对网络直播节目的整合,最大限度去满足受众的观看需求。与电影单一的过去时空相比,电视直播可显现的时空既有现在时又有过去时,而网络直播除具备电视的两大时空之外还具有压缩时空的功能。如同步的文字直播、图片直播、赛事直播、手机直播和比分直播等等各种直播频道和样式。随着社会的发展效率已经让大家知道直播的好处,减少成本,加快信息的传播。
[0003]现有技术中,短视频作为各个直播应用程序的主要媒体业务成为直播运营商研发的重点,每一家直播运营商希望能够通过研发自家的直播应用程序以提升用户的观看体验,从而收获或者保留更多的人流量以提升自家的经济效益。
[0004]然而,当短视频在直播应用程序处播放时,仍存在一些播控问题需要解决,例如,无法根据用户的观看习惯为用户提供适合其观看习惯的视频数据缓存速度,导致缓存的视频数据或者提前量过多造成资源的浪费,或者提前量过少造成用户长 ...
【技术保护点】
【技术特征摘要】
1.一种直播视频动态缓存方法,其特征在于,所述方法包括:在直播应用程序每播放一个短视频片段时,记录所述短视频片段对应的视频类型以及所述短视频片段对应的均速播放倍率;基于视频类型对已播放过的短视频片段进行分类处理,以获得每一视频类型对应的设定数目的多个已播放过的短视频片段;针对每一视频类型,将设定数目的多个已播放过的短视频片段分别对应的多个均速播放倍率作为基于所述视频类型定制的智能预测模型的多个输入信号并运行所述智能预测模型以获得直播应用程序下一个同类型的短视频片段的预测均速播放倍率;基于接收到的预测均速播放倍率实现对直播应用程序下一个同类型的短视频片段的播放缓存速度的调整;其中,所述智能预测模型为经过多次训练的全连接神经网络,所述全连接神经网络为多输入单输出结构;其中,所述智能预测模型为经过多次训练的全连接神经网络,所述全连接神经网络为多输入单输出结构包括:针对的视频类型的短视频的数量越多,训练的次数的取值越多;其中,将设定数目的多个已播放过的短视频片段分别对应的多个均速播放倍率作为基于所述视频类型定制的智能预测模型的多个输入信号并运行所述智能预测模型以获得直播应用程序下一个同类型的短视频片段的预测均速播放倍率包括:所述设定数目的取值与针对的视频类型的短视频平均总录制时长的数值成正比;其中,基于接收到的预测均速播放倍率实现对直播应用程序下一个同类型的短视频片段的播放缓存速度的调整包括:调整后的直播应用程序下一个同类型的短视频片段的播放缓存速度与接收到的预测均速播放倍率正向关联;其中,记录所述短视频片段对应的视频类型以及所述短视频片段对应的均速播放倍率包括:所述短视频片段对应的均速播放倍率为所述短视频的总录制时长除以所述短视频片段播放完耗费的时长所获得的播放倍率。2.如权利要求1所述的直播视频动态缓存方法,其特征在于,在直播应用程序每播放一个短视频片段时,记录所述短视频片段对应的视频类型以及所述短视频片段对应的均速播放倍率之前,所述方法进一步包括:基于直播应用程序的播放用户的输入操作,触发直播应用程序的每一个短视频片段的播放。3.如权利要求1所述的直播视频动态缓存方法,其特征在于,在直播应用程序每播放一个短视频片段时,记录所述短视频片段对应的视频类型以及所述短视频片段对应的均速播放倍率之前,所述方法进一步包括:基于直播应用程序的默认短视频播放顺序,依次自动触发直播应用程序的每一个短视频片段的播...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。