לספק רגעים משני משחק למסכי האוהדים תוך שניות ממועד התרחשותם — AI מזהה, חותך, ממיתג ומפיץ תקצירים בזמן אמת.

בעלי זכויות שידור של ספורט וגופי שידור עומדים בפני לחץ עצום לספק קטעי תקציר באופן מיידי — אוהדים מצפים לראות שער, הטבעה או טאצ'דאון במדיה החברתית תוך שניות, לא למחרת בבוקר. הפקת תקצירים מסורתית דורשת עורכים אנושיים שצופים בכל משחק, בוחרים רגעים ידנית, חותכים קטעים, מוסיפים גרפיקה ומעלים לכל פלטפורמה. ביום משחקים עמוס עם עשרות משחקים מתקיימים בו זמנית, זרימת עבודה זו בלתי ניתנת להרחבה. תקצירים מאוחרים מאבדים פוטנציאל ויראלי, ומתחרים שמפרסמים ראשונים תופסים את מרבית המעורבות והכנסות הפרסום. היקף התוכן החי ברחבי ליגות, חטיבות וענפי ספורט ברחבי העולם הופך את העיבוד הידני לבלתי ניתן להרחבה באופן מהותי.
צרו קשר לדון כיצד נוכל לבנות פתרון זה עבור העסק שלכם עם צוות המומחים שלנו.
צרו קשרMicrocosmWorks יכולה לבנות מחולל תקצירי ספורט חי שמקבל שידורים חיים (feeds) בזמן אמת, מיישם מודלי AI שאומנו על זיהוי אירועים ספציפיים לספורט כדי לזהות רגעי מפתח — שערים, עונשים, מהלכים גדולים, חגיגות, החלטות שנויות במחלוקת — ומפיק באופן אוטומטי קטעי תקציר באיכות שידור תוך שניות.
כל קטע ממותג עם שכבות-על, גרפיקת תוצאות ומיקומי ספונסרים, ולאחר מכן מופץ בו זמנית לפלטפורמות חברתיות, אפליקציות מובייל ושירותי OTT. המערכת מטפלת במספר שידורים חיים מקבילים, מתאימה את עצמה לענפי ספורט שונים עם טקסונומיות אירועים ניתנות להגדרה, ולומדת ממשוב עריכתי כדי לשפר את דיוק הזיהוי לאורך זמן.
המערכת משתמשת בארכיטקטורת סטרימינג עם השהיה נמוכה (low-latency) וביצוע היסקים (inference) מואץ על ידי GPU בנקודת הקליטה (ingest point). שידורים חיים זורמים דרך צינור זיהוי (detection pipeline) שפולט סמני אירועים מתויגים בזמן, המפעילים זרימת עבודה אוטומטית של חילוץ קטעים, הרכבת גרפיקה והפצה מרובת פלטפורמות. שכבת ביקורת אנושית מאפשרת לעורכים לאשר, לדחות או לשנות קטעים לפני או אחרי פרסום בהתאם לדרישות ההשהיה.
| שכבה | טכנולוגיות |
|---|---|
| Backend | Go, Python, gRPC, Apache Kafka, FFmpeg |
| AI / ML | YOLOv8, SlowFast (זיהוי פעולה), Whisper, PyTorch, TensorRT, מודלי ספורט מותאמים אישית |
| Frontend | React, Next.js, WebSocket streams, HLS.js, Tailwind CSS |
| מסד נתונים | TimescaleDB, PostgreSQL, Redis, S3 (אחסון קטעים) |
| תשתיות | AWS EC2 (GPU instances), MediaLive, CloudFront, Kubernetes, Terraform, Datadog |
בהתחשב במורכבות ה-Enterprise ובדרישות בזמן אמת, הבנייה עוקבת אחר תוכנית קפדנית בת ארבעה שלבים:
1. שבועות 1-3 — קליטה ואגירה (Ingest & Buffering): בניית שכבת קליטת ה-feed החי התומכת ב-SDI, SRT ו-RTMP
כניסות; יישום אגירה מדויקת בפריימים עם יתירות וניטור תקינות לכל feed.
2. שבועות 4-7 — זיהוי אירועים (Event Detection): אימון ופריסה של מודלי זיהוי ספציפיים לספורט החל מענף אחד
ספורט; בניית צינור סמני האירועים ומערכת סיווג אירועים עם ניקוד ביטחון.
3. שבועות 8-10 — הפקת קטעים (Clip Production): פיתוח חילוץ הקטעים האוטומטי, מנוע שכבות גרפיקה עם
תמיכה בתבניות, רינדור מרובה רזולוציות, ולוח המחוונים לסקירה עריכתית.
4. שבועות 11-14 — הפצה והרחבה (Distribution & Scale): חיבור API לפרסום בפלטפורמות חברתיות, יישום עיבוד
מרובה-feeds בו זמנית, ביצוע בדיקות השהיה (latency benchmarking), ופריסה לתשתית ייצור.
| מדד | שיפור | פרט |
|---|---|---|
| השהיית מסירת קליפ | פחות מ-30 שניות | מהתרחשות אירוע חי ועד קליפ מפורסם במדיה החברתית, מחליף זמן תגובה ידני של 15-30 דקות |
| כיסוי משחקים במקביל | 50+ feeds בו זמנית | AI מתרחב לכל המשחקים ביום נתון ללא צוות עריכה נוסף |
| מעורבות חברתית | עלייה פי 4 | יתרון הפרסום הראשון תופס את חלון הויראליות המקסימלי לכל רגע מפתח |
| עבודת עריכה | הפחתה של 70% | עורכים אנושיים עוברים מחיתוך ידני לאוצרות ופיקוח איכות |
| הכנסה לכל תקציר | עלייה של 45% | מסירת תקצירים מהירה ועקבית יותר מגדילה את חשיפות הפרסום ואת שווי החסויות |
MicrocosmWorks בונה מערכות זיהוי תקצירים המשלבות מספר מקורות אותות — כולל עליות רעש קהל מזרם האודיו, דפוסי תנועת מצלמה פתאומיים, שכבות גרפיות המצביעות על אירועי קליעה/שער, זיהוי חגיגות שחקנים, ומודלי אירועים ספציפיים לענף הספורט (goals, touchdowns, home runs) — כדי לזהות אוטומטית רגעים הראויים לתקציר תוך שניות מהתרחשותם. המערכת מאומנת על אלפי שעות של צילומי ספורט מתויגים עבור כל ענף ספורט נתמך, ומשיגה מעל 95% recall באירועים מרכזיים. התקצירים מתויגים עם סוג האירוע, השחקנים המעורבים והקשר המשחק לשימוש עריכה מיידי.
MicrocosmWorks מהנדסת צינורות עבודה (pipelines) של תקצירים חיים המספקים תקציר חתוך, מתורגם וממותג לתורי פרסום ב-social media בתוך 30-90 שניות מרגע התרחשות האירוע בשידור החי של המשחק. המערכת בוחרת אוטומטית גבולות קליפ אופטימליים (כולל ההכנה לאירוע והחגיגה), מיישמת שכבות גרפיות באיכות שידור, מייצרת כתוביות תיאוריות עם שמות שחקנים וסטטיסטיקות, ומעצבת את הקליפ עבור כל פלטפורמת יעד בו-זמנית. אספקה כמעט בזמן אמת זו קריטית ללכידת חלון המעורבות ב-social media כאשר האוהדים דנים במשחק באופן הפעיל ביותר.
MicrocosmWorks בונה מנועי התאמה אישית (personalization engines) המייצרים אוספי תקצירים ייחודיים לכל אוהד בהתבסס על הקבוצות האהובות עליהם, שחקנים שעקבו אחריהם, סוגי תקצירים מועדפים (goals only, defensive plays, full possessions), והעדפות משך צפייה אופטימליות. המערכת יכולה לספק גליל תקציר מותאם אישית באורך 2 דקות לאפליקציה של כל משתמש תוך דקות מהשריקה האחרונה, המכסה רק את הרגעים הרלוונטיים ביותר לתחומי העניין שלהם. התאמה אישית זו מגדילה באופן דרמטי את שיעורי צריכת התקצירים ומעורבות האוהדים בהשוואה לסרטוני סיכום אחידים לכולם.
MicrocosmWorks מיישמת אלגוריתמים לבחירת מצלמה המנתחים את כל הפידים הזמינים (broadcast, tactical, isolated player cameras) ובוחרים את הזווית המרתקת ביותר עבור כל שלב בתקציר — בדרך כלל פיד ה-broadcast להקשר, מצלמה מבודדת לרגע המפתח, וזווית חגיגה או replay לסיום. המערכת יכולה גם ליצור גרסאות חלופיות עם עבודת מצלמה שונה עבור פלטפורמות שונות — חיתוך הדוק ממוקד שחקן עבור Instagram Stories לעומת תצוגה טקטית רחבה עבור YouTube. יצירת תקצירים מרובי מצלמות דורשת גישה לפידים של מצלמות המתקן, אותם MicrocosmWorks משלבת באמצעות broadcast infrastructure protocols סטנדרטיים.
MicrocosmWorks תומכת כיום בזיהוי תקצירים עבור ענפי ספורט מקצועיים מרכזיים הכוללים soccer, American football, basketball, baseball, cricket, tennis, hockey, ו-MMA, עם מודלי אירועים ספציפיים לענף הספורט המבינים את דפוסי הניקוד, התזמון וההתרגשות הייחודיים של כל אחד. הוספת ענף ספורט חדש דורשת 40-80 שעות של אימון מודל תוך שימוש בצילומים מתויגים מאותו ענף ספורט, המכסים את האירועים, הכללים והמוסכמות השידוריות הספציפיות שלו, בשיעורי פיתוח של $25-$50/hr. לאחר אימון, מודל הספורט החדש מתחבר לאותה תשתית real-time pipeline, כך שאין צורך לבנות מחדש את כל ה-platform.