¿Qué es MLVC (Machine Learning Video Codec)?

MLVC son las siglas de Machine Learning Video Codec. Microsoft lo publicó como código abierto en julio de 2026 bajo licencia MIT. Es la versión de producto de la línea de investigación DCVC (Deep Contextual Video Compression) que Microsoft Research viene publicando desde 2021.

Un códec clásico como H.264 o H.265 se ensambla con piezas diseñadas a mano: estimación de movimiento, una transformada, un modelo entrópico y un buen montón de heurísticas de codificación. MLVC sustituye todo eso por una sola red neuronal entrenada de extremo a extremo contra un objetivo de tasa-distorsión.

Esto tiene una consecuencia poco habitual. No hay especificación de flujo que implementar, porque los pesos entrenados son el formato. El codificador y el descodificador tienen que ejecutar el mismo modelo y coincidir en su aritmética casi bit a bit, que es el problema al que el artículo de MLVC dedica la mayor parte de sus páginas.

Dónde funciona. MLVC apunta a las NPU que ya vienen en portátiles y teléfonos, es decir, el Apple Neural Engine y las NPU de Intel y Qualcomm, en lugar de a silicio dedicado al códec. El modelo completo tiene 18,3 millones de parámetros y una variante más ligera, MLVC-S, tiene 5,4 millones. Microsoft declara 540p a 30 fotogramas por segundo en tiempo real en los tres fabricantes, usando como mucho la mitad de la NPU.

Lo que ahorra. En el conjunto de pruebas de videoconferencia de Microsoft, puntuado por espectadores humanos según la ITU-T P.910, MLVC necesita un 87,8 % menos de bitrate que H.264 y un 75,5 % menos que el H.265 por hardware a 360p. A 540p las cifras son 82,7 % y 65,4 %. En términos prácticos, un vídeo a 360p que cuesta 1 Mbps en H.264 cuesta unos 122 kbps en MLVC con calidad equivalente.

La pega. Esos resultados vienen de contenido de bustos parlantes en baja resolución, medidos frente a codificadores por hardware, y la reproducción exige un dispositivo capaz de ejecutar el modelo. Hoy ningún televisor, descodificador ni navegador descodifica MLVC. Microsoft lo está desplegando en Microsoft Teams para llamadas entre pares, que es justo el caso en el que controla ambos extremos del enlace. Para la entrega en streaming es una señal que conviene vigilar, no algo que se pueda poner en producción.

Repasamos el artículo científico, las mediciones y el repositorio aquí: Microsoft libera un códec de vídeo neuronal, y qué significa realmente para el streaming.