Netflix靠技術變革打造現代化影音製作模式

影音巨頭Netflix不只是播放平臺，自己也製作了許多原創影音內容，從2013年的3部原創影集紙牌屋等開始，到了2023年，那一年推出的原創電影和紀錄片加起來，超過了200部，每年還會製作十來部劇集或系列動畫，一部動輒長達8集、10集影片。Netflix自己也因此成立了製片工作室Netflix Studio，來拍攝和製作這些原創影片。

但是，Netflix不想沿用影劇產業的工作模式，而是要用技術顛覆傳統電影製作方式，來創造一個全新的現代化製片工作模式，他們發展出了一整套的影音製作工程（Studio Engineering），涵蓋了一部原創影片最初的提案，到最後觀眾按下播放鍵那一刻，他們簡稱為這是一個「Pitch to Play」流程，從提案評估、簽約協商、音樂授權、前置作業、影片拍攝、影片後製、影片在地化、影片品質管理、影音串流處理到播放，都盡可能運用技術來變革。

在這個影音製作工程中，資料處理也是一大關鍵，一部影集製作涉及的資料包括了人力、供應商、製片契約等業務資料，還有各種財務資料，像是內容成本預測資料，製作成本數據、稅務資訊、內容攤提成本等，最大宗的是各種媒體資產的資料，包括了製作階段產生各種影片檔、音樂和特效，另外還有在地化階段建立的各國字幕資料、副配音檔（例如其他語言的配音）等。

雖然一部影片，提案通過後，需要經過大量的協商討論，這其中也包括了撰寫出劇本，並且通過一定程序的討論和審查，但是，整套影片製作過程，可以進一步簡化成三個階段，前置、製片和後製，只要劇本完成通過審核後，就會展開實際的前期製作。

劇本是所有製片工作計畫的源頭，這一份劇本會影響了整個製作的生命周期。從預算、製作規模、拍攝場景數、拍攝角色，甚至後續的字幕、配音都需要使用到劇本中的對話。通常一份劇本是一個龐大長達數百頁的Word文件，甚至長到難以直接餵入到機器學習模型中。但是Netflix有一套對於劇本格式的分析架構，可以將劇本文件轉換成結構化的劇本數據。

尤其，在好萊塢的劇本，多年發展下來已經有一套標準的寫法，從劇本中的文字段落縮排結構，每一行的不同縮排代表了不同的意義，可能用來代表角色、對話、行動、角色提示、拍攝提示、場景、角色描述等不同類型的資料。另外拍攝團隊也需要花大量時間研究劇本，Netflix提供了一個劇本分析工具，讓相關工作人員更方便進行劇本分析，也容易加上各種註解和標籤，以便提醒該通知哪些相關人員或部門。

圖片來源／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。

圖片來源／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。

圖片來源／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