ما هو MLVC (مرمّز الفيديو بالتعلّم الآلي)؟

MLVC اختصار لـ Machine Learning Video Codec. أصدرته مايكروسوفت كبرمجية مفتوحة المصدر في يوليو 2026 برخصة MIT. وهو النسخة المنتَجة من سلسلة الأبحاث DCVC (Deep Contextual Video Compression) التي تنشرها Microsoft Research منذ 2021.

المرمّز التقليدي مثل H.264 أو H.265 مركَّب من أجزاء صُممت يدويًا: تقدير الحركة، وتحويل رياضي، ونموذج إنتروبي، وكمّ كبير من القواعد الاستدلالية للترميز. أما MLVC فيستبدل ذلك كله بشبكة عصبية واحدة مدرَّبة من طرف إلى طرف على هدف يوازن بين معدل البت والتشويه.

ولهذا نتيجة غير معتادة: لا توجد مواصفة لتدفق البتات يمكن تنفيذها، لأن الأوزان المدرَّبة هي الصيغة نفسها. وعلى المرمّز والمفكّك تشغيل النموذج ذاته والاتفاق على عملياته الحسابية بدقة تكاد تكون بتًا ببت، وهي المشكلة التي يخصص لها بحث MLVC معظم صفحاته.

أين يعمل. يستهدف MLVC وحدات المعالجة العصبية الموجودة أصلًا في الحواسيب المحمولة والهواتف، أي Apple Neural Engine ووحدات إنتل وكوالكوم، بدلًا من رقائق مخصصة للترميز. يضم النموذج الكامل 18.3 مليون معامل، بينما تضم النسخة الأخف MLVC-S نحو 5.4 مليون. وتفيد مايكروسوفت بتحقيق 540p عند 30 إطارًا في الثانية في الزمن الحقيقي لدى الشركات الثلاث جميعًا، مع استخدام نصف طاقة الوحدة على الأكثر.

ما يوفره. على مجموعة اختبار مؤتمرات الفيديو لدى مايكروسوفت، وبتقييم مشاهدين بشريين وفق ITU-T P.910، يحتاج MLVC إلى معدل بت أقل بنسبة 87.8% من H.264 وأقل بنسبة 75.5% من H.265 العتادي عند دقة 360p. وعند 540p تبلغ النسبتان 82.7% و65.4%. وعمليًا، فيديو بدقة 360p يكلف 1 ميغابت في الثانية مع H.264 يكلف نحو 122 كيلوبت في الثانية مع MLVC عند جودة مماثلة.

التحفظ. هذه النتائج مصدرها محتوى من نوع الرؤوس المتحدثة بدقة منخفضة، وقيست مقابل مرمّزات عتادية، كما يتطلب التشغيل جهازًا قادرًا على تنفيذ النموذج. ولا يوجد اليوم تلفاز أو جهاز استقبال أو متصفح يفك ترميز MLVC. وتطرحه مايكروسوفت في Microsoft Teams للمكالمات المباشرة بين طرفين، وهي بالضبط الحالة التي تتحكم فيها الشركة بطرفَي الوصلة. أما لأغراض البث فهو إشارة تستحق المتابعة، لا خيارًا جاهزًا للتشغيل.

تناولنا البحث والقياسات والمستودع بالتفصيل هنا: مايكروسوفت تفتح مصدر مرمّز فيديو عصبي، وماذا يعني ذلك فعليًا للبث.