منصة ترميز الفيديو المؤسسية وتوزيع المحتوى متعدد القنوات
احتاجت شركة إعلامية إلى منصة شاملة لإدارة دورة حياة محتواها المرئي بدءًا من الرفع والترميز وصولاً إلى التوزيع متعدد القنوات، مع دعم مواصفات إخراج مختلفة لكل شريك توزيع.
ناقش مشروعك
التحدي
شكلت إدارة توزيع المحتوى المرئي عبر قنوات وشركاء متعددين عقبات تشغيلية كبيرة:
- تطلب كل شريك توزيع تنسيقات ترميز ودقة (resolutions) وبرامج ترميز (codecs) مختلفة
- لم تتمكن عمليات الترميز والرفع اليدوية من مواكبة حجم المحتوى
- عدم وجود نظام مركزي لتتبع حالة الترميز والإخفاقات ومحاولات الإعادة
- كانت ملفات التسميات التوضيحية (caption files) بحاجة إلى اكتشافها ومعالجتها وضمها مع أصول الفيديو
- تطلب جدولة المحتوى عبر قنوات متعددة سير عمل قائمًا على التقويم
حلنا
لقد قمنا ببناء منصة إنتاج فيديو كاملة المكدس (full-stack) مع مسارات ترميز مؤتمتة، وجدولة متعددة القنوات، وملفات تعريف إخراج خاصة بالشركاء.
الهندسة المعمارية
- الواجهة الخلفية الرئيسية (Main Backend): NestJS 11 مع TypeScript، MongoDB/Mongoose، Redis
- الواجهة الخلفية للمشفر (Encoder Backend): خدمة NestJS متخصصة لتنسيق الترميز
- خدمة Lambda (Lambda Service): AWS Lambda لمشغلات سير عمل الترميز بدون خادم (serverless)
- الواجهة الأمامية (Frontend): React 18 + Vite مع Bootstrap، React Hook Form، ApexCharts
- لوحة تحكم المشفر (Encoder Dashboard): واجهة React مخصصة لإدارة الترميز
- معالجة الوسائط (Media Processing): AWS MediaConvert مع دعم احتياطي لـ FFmpeg
مسار الترميز
- الرفع (Upload) - رفع الفيديو إلى AWS S3 (فردي أو مجمع)
- استخراج البيانات الوصفية (Metadata Extraction) - حساب المدة، وتوليد نقاط الإشارة (cue point)
- اكتشاف التسميات التوضيحية (Caption Discovery) - المطابقة والمعالجة التلقائية لملفات التسميات التوضيحية
- اختيار الملف الشخصي (Profile Selection) - تطبيق ملفات تعريف الترميز الخاصة بالشركاء
- مهمة MediaConvert (MediaConvert Job) - يقوم AWS MediaConvert بمعالجة التحويل (transcode)
- فحص الجودة (Quality Check) - التحقق الآلي من مواصفات الإخراج
- التوزيع (Distribution) - تسليم الأصول إلى القنوات الخاصة بالشركاء
الميزات الرئيسية
- ملفات تعريف الشركاء (Partner Profiles) - مواصفات ترميز مخصصة لكل شريك توزيع
- الرفع المجمع (Bulk Upload) - التعامل مع مكتبات المحتوى الكبيرة باستخدام المعالجة الدفعية (batch processing)
- معالجة التسميات التوضيحية (Caption Processing) - الاكتشاف التلقائي لملفات التسميات التوضيحية وتحويل التنسيق
- الجدولة بالتقويم (Calendar Scheduling) - جدولة المحتوى لكل قناة بناءً على FullCalendar
- منطق الإعادة (Retry Logic) - إعادة المحاولة التلقائية مع تصنيف الأخطاء للمهام الفاشلة
- لوحة تحكم التحليلات (Analytics Dashboard) - تصور حالة الترميز والإنتاجية (throughput) ومعدل الخطأ
- الوصول المستند إلى الأدوار (Role-Based Access) - مصادقة JWT مع إدارة مستخدمي المسؤولين
النتائج
المكدس التقني
caseStudyDetail.more دراسات الحالة
استكشف المزيد من تطبيقاتنا التقنية
إدراج الإعلانات من جانب العميل (CSAI) مع تحليل علامات SCTE-35 وتكامل مشغلات متعددة المنصات
احتاجت منصة بث الفيديو إلى تطبيق إدراج الإعلانات من جانب العميل (CSAI) عبر تطبيقات الويب والجوال والتلفزيون الذكي المتصل – مما يتيح تجارب إعلانية مخصصة على مستوى الجهاز مع دعم كامل لتفاعل الإعلانات (تراكبات قابلة للنقر، إعلانات مصاحبة، أزرار تخطي) التي لا يمكن لتضمين الإعلانات من جانب الخادم توفيرها.
خط أنابيب إشارات علامات الإعلانات SCTE-35 وإدراج مقاطع الفيديو الترويجية
احتاجت شركة إعلام بث مباشر إلى خط أنابيب قوي ومؤتمت لإدخال علامات إعلانات SCTE-35 في البث المباشر وVOD، بالإضافة إلى القدرة على إدراج مقاطع فيديو ترويجية (pre-roll، وmid-roll، وpost-roll) في مواضع محددة بدقة — مما يتيح تحقيق الدخل عبر قنوات FAST والفعاليات المباشرة ومكتبات المحتوى حسب الطلب.
الأسئلة الشائعة
قامت MicrocosmWorks ببناء نظام لإدارة ملفات تعريف الترميز يضم أكثر من 50 إعدادًا مسبقًا يغطي أهداف التسليم للبث (broadcast) (ProRes, DNxHR)، و OTT (CMAF مع H.264/H.265)، ووسائل التواصل الاجتماعي (social media) (MP4 المحسّن للمنصات). يتم ترميز كل فيديو مصدري إلى جميع التنسيقات المطلوبة في تشغيل واحد لـ pipeline باستخدام FFmpeg workers المتوازيين، مع التحقق التلقائي من الجودة مقابل مواصفات كل قناة.
نفذت MicrocosmWorks تحسين الترميز المخصص لكل عنوان الذي يحلل التعقيد البصري لكل فيديو باستخدام تقييم VMAF لتوليد تدرج معدل بت مدرك للمحتوى. يتلقى محتوى الرأس المتحدث البسيط عددًا أقل من درجات معدل البت المنخفضة، بينما يحصل المحتوى المعقد بصريًا مثل الرياضة على متغيرات إضافية ذات معدل بت أعلى، مما يحسن تكاليف التخزين مع الحفاظ على الجودة الإدراكية فوق VMAF 93.
قامت MicrocosmWorks بتصميم المنصة للتوسع الأفقي باستخدام عمال (workers) الترميز المنسقين بواسطة Kubernetes والذين يتوسعون تلقائياً بناءً على عمق قائمة الانتظار (queue depth). تم التحقق من قدرة النظام على معالجة أكثر من 1,000 ساعة من الفيديو يومياً باستخدام Spot Instances، مع ضمان أولوية المهام لمعالجة عمليات الترميز العاجلة في غضون دقائق بينما تستخدم عمليات المتراكم الكبيرة جدولة فعالة من حيث التكلفة.
قامت MicrocosmWorks ببناء لوحة تحكم لتتبع التسليم تراقب حالة ترميز كل أصل، وتقدم التحميل، وتأكيد النشر عبر جميع قنوات التوزيع. يوفر النظام webhook callbacks لتكامل الأنظمة اللاحقة وينشئ تقارير آلية توضح مقاييس وقت النشر لكل قناة، مما يساعد فرق العمليات على تحديد اختناقات التوزيع.
تقدم MicrocosmWorks مشاريع البنية التحتية للفيديو بأسعار تتراوح بين 30 و 50 دولارًا أمريكيًا للساعة، حيث تتطلب منصة ترميز وتوزيع للمؤسسات - والتي تتضمن مدير الملفات الشخصية (profile manager)، وعمال التوسع التلقائي (autoscaling workers)، وتحسين VMAF، والتسليم متعدد القنوات (multi-channel delivery) - عادةً 700-1000 ساعة تطوير. تتراوح تكاليف الترميز السحابي تقريبًا بين 0.01 و 0.03 دولار أمريكي لكل دقيقة من الفيديو المصدر على مثيلات AWS الفورية (spot instances).
مستعد لتحويل عملك؟
دعنا نناقش كيف يمكننا تطبيق حلول مشابهة لتحدياتك.