Apabila pengguna memuat naik video ke Adstacker, mereka mengharapkan satu perkara: klip mereka harus bertukar menjadi variasi iklan yang digilap tanpa menunggu yang mengelirukan, eksport yang rosak, atau sari kata yang tidak segerak. Di sebalik aliran kerja mudah itu ialah AI-powered video pipeline. Kami mengesahkan setiap aset sebelum ia memasuki projek, menukar ucapan menjadi data sari kata yang tepat pada bingkai, kemudian menghasilkan komponen kreatif yang boleh digunakan semula sebelum memasang variasi akhir.
Beginilah cara Adstacker memproses video pengguna—daripada muat naik hingga eksport—dan mengapa seni bina ini direka untuk volum kreatif yang boleh dipercayai.
Cabaran: input video jarang sekali siap untuk produksi secara lalai
Fail video mungkin kelihatan serupa dalam pemilih fail tetapi berkelakuan sangat berbeza dalam saluran paip render. Klip mungkin mempunyai tempoh yang tidak dijangka, resolusi rendah, bendera putaran daripada kamera telefon, atau tiada aliran video yang boleh digunakan sama sekali. Jika kami menemui masalah tersebut selepas projek mula dirender, pengguna akan kehilangan masa dan kuasa komputasi akan terbuang.
Sari kata menambah cabaran kedua. Transkrip sahaja tidak mencukupi untuk iklan sosial. Teks memerlukan penetapan masa peringkat perkataan supaya ia muncul bersama pembicara, kekal boleh dibaca, dan tidak pernah bertindih dengan baris seterusnya.
Akhir sekali, Adstacker dibina untuk mencipta banyak kombinasi daripada set aset yang kecil. Mengerender semula klip bertajuk yang sama untuk setiap hook, body, CTA, dan kombinasi gaya sari kata akan menjadi perlahan dan mahal secara tidak perlu.
Penyelesaian kami: saluran paip berperingkat dengan tanggungjawab yang jelas
Kami memisahkan pengesahan, transkripsi, render lapisan tindih (overlay), dan pemasangan akhir. Setiap peringkat menghasilkan hasil yang tahan lama yang boleh digunakan oleh peringkat seterusnya, membolehkan sistem untuk mencuba semula langkah yang gagal tanpa memulakan semula keseluruhan projek.
Seni Bina
1. FFprobe mengesan input buruk sebelum projek bermula
Sebelum Adstacker menyerahkan klip yang dimuat naik ke projek, ia menjalankan FFprobe—alat pemeriksaan media ringan—terhadap setiap fail. Kami membaca butiran yang penting untuk output yang boleh dipercayai:
- Aliran video sebenar ada.
- Tempoh berada dalam julat yang dibenarkan projek.
- Resolusi efektif memenuhi piawaian kualiti minimum kami dan tidak melebihi maksimum yang dikonfigurasi.
- Kadar bingkai (frame rate) tersedia untuk pengiraan masa.
- Orientasi paparan adalah betul, termasuk video telefon yang putarannya berada dalam metadata dan bukannya dimensi piksel.
Ini adalah gerbang 'fail-fast'. Jika aset tidak akan menghasilkan iklan yang boleh dipercayai, pencipta akan menerima mesej yang berguna sebelum render bermula. Ia juga membolehkan kami memilih resolusi asas terhad untuk projek, supaya pekerja hiliran beroperasi pada kanvas yang boleh diramal dan bukannya mengendalikan setiap saiz sumber mentah secara bebas.
2. AssemblyAI menukar ucapan menjadi penetapan masa sari kata yang boleh digunakan
Untuk projek yang menggunakan sari kata, kami menghantar audio sumber melalui AssemblyAI dan menerima lebih daripada satu blok teks: kami menerima perkataan individu dengan cap masa mula dan tamat. Cap masa tersebut adalah jambatan antara bahasa lisan dan penetapan masa visual.
Kami menormalkan penetapan masa kepada saat, menukarnya kepada bingkai pada kadar bingkai sasaran projek, dan mengumpulkan perkataan menjadi segmen sari kata pendek. Pengumpulan ini disengajakan: kapsyen baharu bermula selepas jeda yang bermakna atau setelah baris semasa mencapai panjang yang boleh dibaca. Kami juga mengapit segmen bersebelahan supaya hanya satu yang kelihatan dalam mana-mana bingkai, walaupun apabila masa perkataan sumber bertindih.
Hasilnya adalah data sari kata yang ringkas, peka bingkai, dan sedia untuk gaya visual yang dipilih—bukan transkrip generik yang ditampal pada video.
3. Render lapisan tindih (overlay) yang dikongsi sekali, kemudian gunakannya semula
Kunci kepada skala kreatif adalah mengelakkan kerja yang berulang. Projek Adstacker mungkin menggabungkan klip hook yang sama dengan banyak klip body, CTAs, lapisan teks, dan gaya sari kata. Kami merender segmen bertajuk atau berlapis teks sekali untuk setiap resipi unik, dan bukannya sekali untuk setiap kombinasi akhir yang menggunakannya. Ini mencerminkan pendekatan kapsyen automatik yang kami bina untuk Ssemble, platform penciptaan video bentuk pendek dalam portfolio kami.
Pekerja lapisan tindih menerima video sumber yang telah disediakan, nisbah aspek sasaran, lapisan teks tersuai, dan segmen sari kata. Ia merender rawatan visual pada kanvas yang konsisten dan menyimpan lapisan tindih yang lengkap sebagai aset yang boleh digunakan semula. Peringkat penggabungan akhir kemudian memilih lapisan tindih hook, body, dan CTA yang betul serta memasang variasi yang telah siap.
Pembahagian ini memberikan kami dua manfaat praktikal:
- Penggunaan semula mengurangkan kerja render apabila banyak kombinasi berkongsi blok binaan yang sama.
- Percubaan semula yang bebas membolehkan kegagalan dalam satu lapisan tindih atau satu penggabungan akhir diperbaiki tanpa membuang kerja yang telah selesai.
Contoh dunia sebenar: satu penggambaran produk, puluhan iklan yang boleh diuji
Bayangkan jenama penjagaan kulit memuat naik tiga hook, dua demonstrasi produk, dan dua CTA. Ia juga memilih dua gaya sari kata. Kemungkinan kreatif bertambah dengan cepat, tetapi beberapa video akhir menggunakan semula segmen sumber dan rawatan kapsyen yang sama.
Adstacker mengesahkan ketujuh-tujuh klip terlebih dahulu, mengambil kira sebarang metadata orientasi potret, dan membina segmen sari kata bermasa daripada setiap segmen yang diucapkan. Ia kemudian mencipta setiap lapisan tindih yang diperlukan sekali. Apabila kombinasi akhir dipasang, sistem menggunakan semula kepingan yang telah disediakan itu dan bukannya mencipta semula secara berulang.
Jenama itu mendapat set iklan yang konsisten dan sedia untuk diuji, manakala saluran paip melakukan kerja minimum yang diperlukan untuk menciptakannya.
Dibina untuk volum kreatif yang boleh dipercayai
Di Adstacker, pemprosesan video bukanlah satu butang “render” yang legap. Ia adalah urutan langkah-langkah yang fokus: mengesahkan sumber, memahami ucapan, merender lapisan yang boleh digunakan semula, dan memasang kreatif akhir. Struktur itu membantu kami melindungi kualiti semasa muat naik, memastikan kapsyen selaras, dan menskalakan variasi tanpa menskalakan pembaziran, berjalan pada cloud infrastructure yang dibina untuk beban kerja yang elastik dan berbekas.
Muat naik aset video anda, pilih blok binaan kreatif yang ingin anda uji, dan biarkan Adstacker mengendalikan saluran paip produksi di sebalik tabir.
Timbunan teknologi: NestJS · FFprobe · AssemblyAI · AWS S3 · AWS ECS Fargate · Remotion · FFmpeg · MongoDB
Baca lebih lanjut daripada pasukan kami
1. Export Service vs. Video Editor Pipeline
