首页 >>  正文

腾讯视频

来源:baiyundou.net   日期:2024-07-08

智东西

作者 | ZeR0

编辑 | 漠影

智东西7月4日报道,今日下午,腾讯云发布AI原生(AI Native)向量数据库Tencent Cloud VectorDB。该数据库能够被广泛应用于大模型的训练、推理和知识库补充等场景,是国内首个从接入层、计算层、到存储层提供全生命周期AI化的向量数据库,将于8月正式登陆腾讯云。

向量数据库专门用于存储和查询向量数据。如果把大模型比作人的大脑,那么向量数据库就如同海马体,能够为大模型提供长期记忆。向量数据库可以突破时间和空间上的限制,助力企业广泛挖掘数据价值。据悉,腾讯云向量数据库最高支持10亿级向量检索规模,延迟控制在毫秒级,相比传统单机插件式数据库检索规模提升10倍,同时具备百万级每秒查询(QPS)的峰值能力。

一、腾讯云定义AI原生向量数据库,加速企业在大模型时代的AI化进程

腾讯云数据库副总经理罗云谈道,向量数据库是企业数据和大模型之间的桥梁,能够弥补大模型在时间和空间上的限制。

向量数据库能够解决大模型预训练成本高、没有“长期记忆”、知识更新不足、提示词工程复杂等问题,加速大模型落地行业场景。

企业拿到非结构化数据后,通过神经网络进行向量化,进而存储到向量数据库中,进行存储和查询,这样可以极大地提升效率和降低成本。

罗云认为,AI原生时代已经到来,“向量数据库+大模型+数据”,三者将产生“飞轮效应”,共同助力企业步入AI原生时代。

在AI原生时代,数据的使用范式如下图所示,比如处理大段PDF文件,会先经过文本分割,把文字分解成小段文字,然后计算层会将这些文字通过向量化(embedding)算法变成浮点数数组,再调用向量数据接口,将数据存放到存储层数据库。

用自然语言提出问题后,应用开发者后台会计算“问题”向量,进行基于向量的知识检索,找到最相关的20个片段,整理后推给一个大模型,让大模型帮它得出最终的答案。可以看到,客户的数据加工流程非常复杂,要解决分段、embedding、二次embedding等问题。

对此,腾讯云重新定义了AI原生的开发范式,提供了接入层、计算层、存储层的全面AI化解决方案,让用户在使用向量数据库的全生命周期都能应用到AI能力。

在接入层,腾讯云向量数据库支持自然语言文本的输入,同时采用“标量+向量”的查询方式,支持全内存索引,最高支持每秒百万的查询量(QPS)。

计算层在数据库内部提供分割、embedding、精排、聚合等AI计算的算子,简化客户使用数据的成本。AI原生开发范式可实现全量数据AI计算,一站式解决企业在搭建私域知识库时的文本切分、embedding等难题。

在存储层,腾讯云向量数据库支持数据智能存储分布,助力企业存储成本降低50%。腾讯云内部按照AI方式进行预训练,产生一些数据和算法,能够更好帮助客户动态构建索引。

腾讯云向量数据库有助于加速企业在大模型时代的AI化进程。

统计显示,将腾讯云向量数据库用于大模型预训练数据的分类、去重和清洗相比传统方式,可以实现10倍效率的提升。如果将向量数据库作为外部知识库用于模型推理,则可以将成本降低2-4个数量级。企业原先接入一个大模型需要花1个月左右时间,使用腾讯云向量数据库后,3天时间即可完成,极大降低了企业的接入成本。

二、多年存储引擎和AI算法积淀,助力数据接入效率提升10倍

上述成绩源自腾讯云多年积累的存储引擎和AI算法。此前腾讯云向量数据库的向量化能力曾多次获得权威机构认可,2021年曾登顶MS MARCO榜单第一、相关成果已发表于NLP顶会ACL。

腾讯云向量数据库基于腾讯集团每日处理千亿次检索的分布式向量数据库引擎Olama。该引擎已经广泛应用于大语言模型、推荐搜索广告系统、音视频和图片审核以及去重等领域。

Olama从2019年开始在PCG业务团队技术孵化,如今已面向腾讯全部业务,覆盖腾讯6个BG、接入腾讯视频、QQ浏览器、QQ音乐等30多款国民级产品,日均搜索请求超千亿,调用成功率达100%,搜索成功率达99.995%。

当前Olama能够支持的单索引行数达到10亿行,单实例QPS达100万,全网P99响应时延小于20ms。经过腾讯内部海量场景的实践,使用腾讯云向量数据库,数据接入AI的效率比传统方案提升10倍,运行稳定性高达99.99%。

腾讯云向量数据库能有效助力产品提升运营效率。使用腾讯云向量数据库后,QQ音乐人均听歌时长提升3.2%、腾讯视频有效曝光人均时长提升1.74%、QQ浏览器成本降低37.9%。

腾讯PCG大数据平台部搜索推荐Senior Tech Lead郑伟分享了腾讯内部应用腾讯云向量数据库的三个案例。

游戏知几是腾讯自研的游戏智能AI产品机玩家互动运营解决方案,应用在超过200款游戏上。它相当于是一个游戏智能客服应用,能够对玩家的个性化问题给出答案。

在游戏领域,可以先把所有游戏问题和答案建成标准问答库,然后通过深度学习技术把问答库变成一个个向量,存储到Olama引擎,当用户输入问题,也把这个问题变成向量,再将该向量存储到Olama引擎的数据库里做检索,检索后就可以得到标准的问题和答案,然后把标准问题做一层排序,将分数最高的问题推荐给用户。

第二个案例是QQ浏览器信息流推荐。这些推荐业务大量使用腾讯云数据库Olama引擎。用户在推荐系统里看到的新闻、视频,以及带推荐的物品推荐池,都输入到大模型层,大模型有三大类(DSSM模型、图数据库、序列模型),通过一个个序列大模型,将带推荐的物品推荐词变成一个个向量,放到Olama引擎里。当用户来到推荐系统,就可以根据用户过去看过哪些新闻和视频,将用户相关行为变成向量,到数据库进行检索,把检索结果合并,推荐出最终感兴趣的新闻和视频。

另一个案例是腾讯视频视频关系中台。Olama引擎能用在视频判重和音频判重。具体做法是把一个个视频库里的视频变成图片帧、音频抽出成音频帧,或者把音频通过转化成文本的方式,通过深度学习技术,变成音频向量和文本向量。当用户输入视频时,就能将视频向量、音频向量、文本向量进行召回聚合,然后输出结果,告诉用户视频的相似关系。

结语:助攻大模型普及,AI原生向量数据库将成企业数据处理标配

在大模型热潮的催化下,向量数据库进入飞速发展期。据东北证券预测,到2030年,全球向量数据库市场规模有望达到500亿美元,国内向量数据库市场规模有望超过600亿人民币。

向量数据库能够帮助企业更高效、便捷地使用大模型,将数据的价值释放到最大。随着大模型的不断发展和普及,AI原生向量数据库将成为企业数据处理的标配。而腾讯云向量数据库希望走在AI原生时代的前排。

","gnid":"96a2ac846a876c383","img_data":[{"flag":2,"img":[{"desc":"","height":"340","title":"","url":"https://p0.ssl.img.360kuai.com/t01e20f8feac78a8f4b.jpg","width":"800"},{"desc":"","height":"450","title":"","url":"https://p0.ssl.img.360kuai.com/t014b1411a4561a6964.jpg","width":"800"},{"desc":"","height":"447","title":"","url":"https://p0.ssl.img.360kuai.com/t01029f732a7bb07366.jpg","width":"800"},{"desc":"","height":"449","title":"","url":"https://p0.ssl.img.360kuai.com/t011a16e3272bfc4cbc.jpg","width":"800"},{"desc":"","height":"449","title":"","url":"https://p0.ssl.img.360kuai.com/t010c35206617d4cf49.jpg","width":"800"},{"desc":"","height":"449","title":"","url":"https://p0.ssl.img.360kuai.com/t0156f76eaa88fbd664.jpg","width":"800"},{"desc":"","height":"449","title":"","url":"https://p0.ssl.img.360kuai.com/t01397f8b5c167a2f84.jpg","width":"800"},{"desc":"","height":"449","title":"","url":"https://p0.ssl.img.360kuai.com/t011fee29f831eafaf5.jpg","width":"800"}]}],"original":0,"pat":"art_src_3,fts0,sts0","powerby":"hbase","pub_time":1688461320000,"pure":"","rawurl":"http://zm.news.so.com/401953cdada26e4b4c54f71dc8be1371","redirect":0,"rptid":"8d990def2edd4ae7","rss_ext":[],"s":"t","src":"智东西","tag":[{"clk":"ktechnology_1:腾讯云","k":"腾讯云","u":""}],"title":"腾讯云发布AI原生向量数据库,提供10亿级向量检索能力,已支撑腾讯视频等业务

水泊航2887腾讯视频和QQlive是一个吗? -
凌睿管18248211742 ______ 您好,很荣幸回答您的问题,是这样的,从本质上来说,QQLive其实就是腾讯视频,两者没什么差别,腾讯视频可以理解为网页版的,可以理解为是QQLive内嵌于网页中,而QQLive可以理解为软件版的,只不过是以播放器的独立形式存在而已,两者无论从资源,还是内部信息等都是一样的,另外,在前段时间,QQLive客户端,已更名为腾讯视频播放器,这样一来就很容易理解了...(当然由于腾讯视频播放器的独立性和特殊性,可能导致个别资源只能在网页版中才有,也是难免的,希望用户可以谅解)如果您还有哪些疑问,欢迎您积极反馈给我们..谢谢您的支持!

水泊航2887腾讯视频下载的电影保存在哪里? -
凌睿管18248211742 ______ 故障分析:腾讯视频它的下载模式跟其他播放器的下载模式不一样,当然腾讯模式也是支持离线下载,可是离线下载之后,你所下载的视频只能在腾讯视频上面播放,并不能通过其他的播放器进行播放,而且也是不能拷贝到移动硬盘中进行观看...

水泊航2887腾讯视频如何切换选集? -
凌睿管18248211742 ______ 播放有其它选集的视频时,全屏播放器右上角会有一个“选集”按钮,点击该按钮,可切换至其它选集. 该答案来自腾讯视频官方网站

水泊航2887腾讯视频怎么下载到手机本地 -
凌睿管18248211742 ______ 没有办法下载到本地. 腾讯视频是不支持本地下载的,只支持离线下载.下载到腾讯视频里的缓存文件里和腾讯视频软件的离线下载一栏里,随时供用户观看.而这个文件夹是腾讯加密的,根本是不显示的文件夹.即使你找到也是无法提取视频...

水泊航2887安卓手机腾讯视频的储存路径是什么?详细点 -
凌睿管18248211742 ______ 1.先打开手机——》【文件管理器】——》【SD卡/手机储存】——【Android】 2.打开——》【data 】文件夹 3.打开——》【 com.tencent.qqlive 】文件夹 4.打开——》【files 】文件夹 5.打开——》【 videos】文件夹 6. 在【 videos】文件夹里面就可以看到小编刚刚缓存完成的3个视频文件夹了. 每个视频生成一个文件夹,接着依次打开某个文件夹即可; 7.再次打开——》【MP4】文件夹 8.那么在MP4文件夹里面,有2个文件,只有【 vfs.db 】是视频文件.

水泊航2887腾讯视频如何方便找到我看过的视频? -
凌睿管18248211742 ______ 为了方便您迅速找到最近观看过的视频,腾讯视频播放器官网为您提供查看最近观看记录功能.打开腾讯视频播放器官网时,即可在首页看到 点击即可直接播放. 如果您不想观看记录显示,直接清空即可.

水泊航2887腾讯视频怎么离线失败 -
凌睿管18248211742 ______ 腾讯视频,定位于中国最大在线视频媒体平台,以丰富的内容、极致的观看体验、便捷的登录方式、24小时多平台无缝应用体验以及快捷分享的产品特性,满足用户在线观看视频的需求.最新腾讯视频桌面客户端支持将离线下载的视频导出到磁...

水泊航2887腾讯视频怎样退出登录? -
凌睿管18248211742 ______ 腾讯视频码友退出登录步骤: 1、首先在电视上打开腾讯视频软件,然后点击页面上方功能表中的“我的”. 2、打开页面后,下调功能键,然后点击打开账号管理. 3、打开账号管理页面后,会弹出账号切换和退出登录选项核野,点击退出登...

水泊航2887腾讯视频怎么传视频 -
凌睿管18248211742 ______ 登录腾讯网.在上面的标题栏里点击视频.页面转换到腾讯视频页面.在右上方你的用户名下就有-我的视频.点击我的视频.里面就有上传视频的选项!

水泊航2887腾讯视频里的视频能下载下来吗? -
凌睿管18248211742 ______ 腾讯没有设置可以下载的功能,不过如果你喜欢上个视频,又想下载下来的话,不是没有办法,也不用像别人说的那么麻烦,你只要打开那个视频,让它缓冲完毕后,你可以打开IE的设置,右击属性不能打开,就直接打开IE,在选“工具”——“internet选项”——看到”浏览历史记录“下面有个”设置“,点一下,选择”查看文件“,你缓冲的那个视频就在这里了,其实你每次看视频,图片,网页之类的,电脑都会帮你缓存在这里,视频也如此,不过文件数量庞大,你可以先把这里ctrl+a全选,删除了,再去打开网页缓冲视频,然后回来,点一下文件夹”类型“比较容易找一下吧,找到后,复制到你先放的分区文件夹就行,这个比较通用,也不必找什么软件屏幕录制,希望能帮助你

(编辑:自媒体)
关于我们 | 客户服务 | 服务条款 | 联系我们 | 免责声明 | 网站地图 @ 白云都 2024