智能标签，是通过对视频中视觉、文字、语音、行为等信息进行分析，结合多模态信息融合及对齐技术，实现高准确率内容识别，自动输出视频的多维度内容标签，将非结构化信息转化为结构化信息。可应用于视频智能分析、视频审核、视频搜索、视频个性化推荐，助力视频智能生产。
精心打造的功能
多维度信息识别
从视觉、文字、语音、运行行为等多个维度对视频信息进行分析，识别视频中的人物、物体场景、地标、文字、语音等内容。
视觉识别
分析视频的视觉图像信息，识别人物、物体、场景等图像内容。
文字识别
识别视频图像中的文字，提取图像文本内容。
语音识别
分析视频中的语音信息，提取语音文本内容。
运动行为识别
分析视频动态信息，识别运动、动作、行为事件等内容。
多模态内容理解
采用多模态融合对齐、跨模态映射等技术，对媒体内容进行多模态融合识别，高效、精准理解视频内容。
多模态对齐
识别多模态间不同元素的联系和对齐关系，实现视频文字、语音、视觉等不同模态信息的对齐理解。
多模态融合
整合不同模态间的模型和特征，提高理解能力和效率，实现语音文字文本纠错能力，提升识别准确率。
多模态联合表征
将多模态信息进行整合及联合表征，实现视频内容的一体化识别。
丰富灵活的标签
结合成熟完善的媒体标签体系，根据多模态融合理解结果对媒体文件进行智能打标，输出多维度视频标签信息，同时提供灵活的标签自定义功能。
智能标签提取
标签处理集成自定义过滤、标签去重、标签合并、权重排序等算法，提供高效、准确、实用的智能打标能力。
多维度标签输出
结合融合理解结果及标签体系，输出多维度视频标签，包括视频分类标签、人物标签、物体场景标签、文本标签等。
支持自定义标签
支持地标词库注册、人脸自注册、未知人脸聚类、标签黑名单、标签热词等标签自定义功能，满足不同场景下的使用需求。
业界领先的优势
综合优酷、土豆、UC海外等平台的PGC、UGC视频内容进行学习、训练，提供最全面的视频标签体系
多模态融合
提供视觉、文字、语音、运动行为等多模态信息分析技术，可进行自适应融合分析，提高视频分析的客观性和准确性
经验成熟
利用阿里大文娱海量的媒资数据和用户行为数据，并在优酷等内部平台及外部客户平台中提供稳定服务
定制化能力
提供通用标签类目体系的同时，开放定制化的能力，支持人脸自注册、未知人脸聚类、自定义标签等扩展功能，更有针对性地帮助客户解决平台的视频处理效率问题
更多产品与服务
视频点播（ApsaraVideo VoD，简称VoD）是集视频采集、编辑、上传、媒体资源管理、自动化转码处理（窄带高清™）、视频审核分析、分发加速于一体的一站式音视频点播解决方案。
媒体处理
媒体处理（ApsaraVideo Media Processing，原MTS）是一种多媒体数据处理服务。它以经济、弹性和高可扩展的转换方法，将多媒体数据转码成适合在全平台播放的格式。并基于海量数据深度学习，对媒体的内容、文字、语音、场景多模态分析，实现智能审核、内容理解、智能编辑。
视频直播
视频直播（ApsaraVideo Live）是基于领先的内容接入与分发网络和大规模分布式实时视频处理技术（含窄带高清TM）打造的音视频直播平台，提供易接入、低延迟、高并发、高清流畅的音视频直播服务。
智能媒体生产
智能媒体生产，是将视频AI的多种能力与视频云基础服务打通，赋能视频生产环节，提高视频生产的效率和质量。
准确高效的媒体资源检索
通过准确丰富的视频标签体系，对视频、图像、文本等媒体文件进行内容编目，支持通过关键词或标签文本，对素材库中的内容进行快速检索，提升视频资源检索效率与准确性。
适用场景
新闻媒体
广电、新媒体等行业媒资管理
UGC平台
视频网站，短视频应用，资讯平台等应用
教育行业
教学媒体资源检索应用
个性化推荐
精准、个性化的内容推荐
根据媒体文件内容标签，结合用户信息、行为数据及用户画像分析，进行内容精准匹配，实现视频个性化推荐，解决推荐冷启动问题，提升推荐准确率。
适用场景
媒体平台
广电、新媒体行业资讯、媒体平台内容个性化推荐
UGC平台
视频网站，短视频应用内容个性化推荐
电商平台
猜你喜欢、相似商品推荐
智能广告投放
智能化、场景化的广告投放
根据媒体文件多模态内容分析及视频标签结果，自动识别广告位，与广告资源库内容进行匹配，实现广告智能投放，精准触达受众人群，提升广告转化率。
适用场景
视频网站、资讯平台
与媒体内容深度融合的场景化广告
