Tag: Content ID

針對YouTube上的影片版權管理，YouTube稍早公布數據顯示，去年下半年透過Content ID機制提出版權聲明數量超過7億5000萬筆，截至去年底依照Content ID機制聲明與營利結果，支付給版權所有者的廣告收益總額達75億美元，至於截至2020年11月以前的3年時間內更向創作者、藝人與媒體業者支付超過300億美元收益。 目前YouTube每月吸引超過20億名使用者登入，平均每分鐘更有超過500小時時間長度影片被上傳至YouTube，成為許多影片創作者、媒體業者分享內容，並且透過廣告獲利，或是帶動更大影響力的重要管道。 由於藉由影片內容帶動龐大廣告營收等經濟規模，因此YouTube對於版權內容維護技術十分看重，負責YouTube全球版權違規處置產品總監Fabio Magagna表示，目前主要透過網路表單、Content ID，以及版權比對工具 (Copyright Match Tool)，避免使用者上傳內容影響原始版權持有者權益，或是出現盜版內容氾濫等問題。 光靠Content ID機制檢查版權，其實不夠 其中，系統主要會透過Content ID機制過濾多數版權問題，同時隨著技術發展，目前Content ID機制可以比對內容也越來越仔細，舉凡完全相同，或是部分內容重疊、以不同方式處理的影片內容都能仔細比對，甚至包含音樂等內容也能比對確認是否有侵權問題。 但僅透過Content ID機制比對是否有侵權，實際上還是不夠，因此YouTube也會允許版權持有者透過支援80種語言的網路表單進行申訴，並且藉由主張版權所有，要求YouTube將涉及侵權影片下架。另外，藉由版權比對工具則是可以讓影片、音樂版權持有者檢查YouTube上是否有跟自己上傳影片相同內容，進而可提出侵權申訴。 ▲Content ID機制背後運作原理 ▲版權比對工具運作原理 簡單說起來，YouTube目前會透過Content ID機制自動檢查所有可能侵權內容，而未能透過Content ID機制查出的侵權內容，則可由版權所有者透過網路表單主動提出申訴，或是在YouTube工作室的版權項目中，利用版權比對工具檢查是否有其他侵權內容。 另外，Content ID機制可能也會有誤判情況，因此在YouTube版權檢查部分依然會保留部分人工審核，但絕大部分都會透過自動化流程，或是由版權持有者主動提出申訴進行後續處理。 ▲透過Content ID機制確認版權時的處理流程 ▲透過YouTube人工確認版權時的處理流程 內容必須存放在YouTube才能進一步比對 不過，Fabio ...

YouTube過去以來持續透過Content ID等機制杜絕盜版內容，或是避免創作者內容被盜用，而在接下來的更新中，YouTube似乎計畫加入可讓創作者預先知曉準備上傳內容是否有侵權情況。 不少創作者在製作影片內容時，多半會使用音樂內容增加影片豐富度，但有時候難免會不慎用到版權保護內容，或是在創作時引用部分版權內容，可能超出合理引用範圍時，就會因為Content ID等機制阻擋，或是遭人申訴，輕則可讓影片內容繼續維持保留上架，但廣告收益會歸版權所有人獲得，嚴重情況則是影片內容被強制下架。 為了避免創作者大費周章將影片內容上傳至YouTube，卻因為部分版權因素而受影響，因此YouTube接下來可能會讓創作者在實際上傳影片前，就能先透過相關機制進行確認，避免在影片上傳後才被認定侵權。 但這樣的設計，依然僅能預先避免部分明顯侵權情況，對於二次創作引用情況，或是有心人士刻意指控侵權現象，可能就無法透過此機制過濾。 不過，從整體來看的話，實際上還是能協助多數創作者避免不小心使用侵權內容，導致費心製作內容被強制下架，或是相關廣告營收歸他人所有。 Facebook’s NEW ‘Smart Crop’ feature Uses machine learning to identify areas of interest in your video to keep visible when auto-cropping your video ...

目前YouTube針對影音內容侵權部分，依然是藉由Content ID機制進行識別，進而認定使用者上傳影片是否涉及侵權，並且判斷是否將影片內容自YouTube平台移除，或是將廣告營收轉讓給版權所有者。 不過，由於Content ID機制主要是透過自動化形式運作，因此不少人開始藉由各種欺騙系統方式繞過Content ID機制，藉此成功上傳涉及侵權內容，藉此獲取點擊播放廣告營收。另一方面，也有不少號稱本身持有版權的人開始利用Content ID機制，透過主張個人持有版權將許多在YouTube上傳影音內容廣告營收據為己有。 為了進一步改善此類問題，YouTube稍早在更新功能中，針對創作者提供標示影片內容有哪些部分涉及侵權，並且顯示哪些人宣稱持有版權，讓創作者能針對被申告侵權影片內容進行調整，例如透過靜音或移除方式避開音樂侵權，或是透過線上剪輯方式移除涉及侵權內容。 目前上述功能暫時還是由系統自動判斷，但YouTube未來也會提供可讓創作者手動調整選項，讓創作者能進行細部調整，避免系統誤判而將影片未涉及侵權的重點內容移除。 雖然YouTube目前期望能透過更簡單方式識別內容是否涉及侵權，或是違反使用規範，但難免會造成誤判，甚至讓有心人士反過來利用這些機制獲取廣告營收，因此讓不少創作者依然必須透過被動申訴方式平反，暫時還無法透過自動化機制判斷內容被申告侵權是否屬實。

蘋果對於旗下產品維修必然有一定作業守則，而這些內容理論上應該不會對外公開，但稍早YouTube上出現許多疑似蘋果內部作業守則的教學影片內容，透露蘋果各類產品維修時的重點。 這些影片內容，由於在片頭上都加上蘋果官方標誌，因此令人猜測這些影片是否就是蘋果內部使用教學內容。 從內容上來看，這些影片內容應該是用於內部維修人員訓練，或是提供授權通路使用，內容包含更換iPhone X鏡頭模組重點、更換iMac Pro的螢幕注意事項，其他還包含如何維修MacBook Pro等蘋果重點產品。 不過，由於內容涉及蘋果內部版權，以及相關作業流程保密原則，目前這些影片已經很快被要求取下，就連分散在YouTube的各個影片內容也被要求下架。雖然目前在YouTube上還是可以透過關鍵字搜尋到這些影片內容，但絕大部分都已經透過Content ID機制過濾下架處理。 以蘋果立場，其實並不鼓勵消費者尋求坊間第三方業者維修蘋果產品，因為在某些情況下可能會發生第三方業者使用零件無法順利通過蘋果韌體認證，導致無法正常使用的情況，例如先前曾經有人更換iPhone螢幕，卻因為第三方業者提供螢幕零件無法通過韌體認證，導致觸控無法正常使用。

根據Google說明，目前YouTube首頁點擊觀看推薦影片的觀看時間，在過去3年累積成長超過20倍，同時超過70%的使用者觀看時間源自YouTube自動推薦，目前YouTube首頁每日更在全球地區推薦超過20億組影片，使得YouTube每天觀看時數在今年2月已經成長至10億小時，而這背後運作均源自Google人工智慧系統。 以目前平均每分鐘就有超過500小時長度影片被上傳至YouTube，如何在眾多影片內容協助使用者找到合適、感興趣影片，以及如何更快、更有效率過濾違規及侵權內容，目前也成為Google面臨挑戰。而為了解決這些問題，Google從2011年開始在YouTube服務內導入巨量數據分析機制，同時也藉由人工智慧系統協助優化整體觀看體驗，其中包含挑選合適個人觀看影片、客製化首頁內容等。 就Google終極目標，自然希望能在YouTube服務內協助使用者找到希望觀看內容，因此隨著使用行為趨勢改變資訊比對模式，例如在2011-2012年間產生一天觀看次數相對下滑20%，但整體觀看時間卻從平均120秒長度成長至140秒，因此量化比對模式便從觀看次數更改為觀看時間。而在2014年至2015年間更因應行動裝置使用熱潮，開始著重行動裝置個人化使用體驗，其中包含個人化首頁、適合個人觀看需求的推薦內容等，藉此增加觀看滿意度與新鮮感，讓使用者更願意黏著觀看YouTube影片。 Google目前在YouTube導入的人工智慧技術，基礎上便是先以內容使用模式、影像視覺分類、搜尋排行、搜尋或瀏覽歷史紀錄等資訊建構候選模型，接著藉由排名機制細化內容是否適合使用者，最後在個人化首頁呈現最終推薦影片內容。其中，Google藉由TensorFlow學習模型進行諸多數據分析，並且持續透過類神經網絡運算構成深度學習效果，讓系統能針對不同使用者「精選」合適影片內容。 至於在過往Content ID內容比對機制部分，導入人工智慧與深度學習機制之後，將能讓系統更容易正確比對上傳影片內容是否涉及侵權，或是違反YouTube使用規範。對於Google來說，Content ID內容在導入人工智慧技術並非變更原本運作模式，而是藉由深度學習方式讓運作機制更為精進。 而在近期Google透過YouTube影片讓人工智慧學習人類社交行為的發展項目，讓系統能藉由電腦視覺方式持續學習人類在影片中呈現的原子視覺化動作 (atomic visual actions,AVA)，進而學習、理解人類自然互動中所呈現動作行為，例如行走、擁抱或握手時所產生自然動作表現。 為了避免不同地區文化、種族行為差異造成資料誤判，Google在AVA數據資料也加入不同地區、不同類型的YouTube影片內容，藉此確保全人類行為判斷結果的一致性，例如避免產生在認定西方國家常以擁抱作為親密互動，卻因此認為亞洲國家較無親密互動的情況發生。 在進一步了解使用者自然互動行為模式後，將可讓系統更了解影片詮釋內容，如此即可更容易依據使用者喜好推薦貼切合適內容，或是藉由電腦視覺比對優勢讓系統能針對不同影片投放最佳廣告內容，讓廣告營收可進一步優化。 此外，在加入更多人工智慧技術應用之下，除了讓系統更能「理解」YouTube影片內容，更能運用深度學習結果逆向在影片內容播放過程顯示警語等內容，讓使用者能了解所觀看內容可能涉及暴力內容，或是否涉及歧視等影響。Google表示，雖然目前仍無法100%完全分辨影片內容，仍可能有一定比例產生誤判，但在此類技術應用除了能減少影片分析所需花費人力，更能協助避免不良內容產生負面影響，同時也能讓YouTube影片內容品質持續提昇。