Видео по адресу: Rutube научил ИИ точно классифицировать видеоконтент
Команда Rutubetech технологического хаба цифровых платформ «Газпром-Медиа Холдинга» разработала и внедрила собственную мультимодальную модель машинного обучения, которая автоматически определяет тему размещаемого на платформе Rutube.
Rutube – популярная видеоплатформа с растущей аудиторией. За шесть месяцев 2026 года месячная аудитория увеличилась на 5% (по сравнению с аналогичным периодом прошлого года) и превысила 82,3 млн пользователей. Средняя дневная аудитория Rutube выросла на 18%, составив 20,4 млн пользователей. Общее количество размещенных на платформе видео превышает 448 млн. Теперь классификация контента по рубрикам стала точнее, а рекламодатели получили выход на конкретную целевую аудиторию.
Точность свыше 93%
Созданный алгоритм анализирует визуальный ряд, аудиодорожку, название и описание ролика. ML-модель обучалась за счет больших данных видеоплатформы, что позволило обеспечить высокую точность ее работы. Согласно данным компании, точность определения категории превышает 93%. Одновременно Rutube перешел на классификацию контента по международной таксономии Interactive Advertising Bureau (IAB).
Новая структура включает 30 основных тематик и более детальные подкатегории, число доступных категорий по сравнению с прежней системой выросло примерно в десять раз. Например, вместо общей категории «Авто» теперь система может отдельно распознавать контент про авторемонт, запчасти, мотоциклы, электротранспорт и другие узкие темы.
Новые функции уже действуют в рекламных алгоритмах Rutube. Благодаря этому теперь бренды могут размещать видеорекламу в наиболее подходящем контексте с еще более высокой эффективностью и вовлеченностью аудитории. Единая система классификации также упрощает анализ результатов рекламных кампаний, позволяя сравнивать их в единых категориях.
Без ИИ – никуда
Rutube последовательно расширяет использование ИИ внутри платформы. В 2025 году компания сообщила об использовании искусственного интеллекта в поиске, рекомендациях и модерации. В июне представители платформы отдельно обозначили распознавание видео как технологию, которая должна определять дальнейшее качество поиска и рекомендаций.
По данным Rutube, более половины просмотров формируется через рекомендательную систему. Новая более точная классификация в дальнейшем поможет усовершенствовать поиск и рекомендации. Сейчас Rutube учитывает действия пользователей, историю просмотра и метаданные роликов. Чем точнее алгоритмы понимают непосредственно содержание видео, тем меньше рекомендации зависят только от названия, описания и первых реакций аудитории. В будущем система сможет учитывать содержание ролика даже при отсутствии ключевых слов в описании.
Подобные технологии распознавания контента используют и другие платформы. В ноябре 2025 года «ВКонтакте» внедрила мультимодальную модель для рекомендательных систем. Модель, обученная более чем на 3 млн русскоязычных материалов, получила возможность совместно анализировать видео, изображения, аудио и текст и определять смысл и тематику контента. По принципу мультимодальности это один из наиболее близких отечественных аналогов нынешней разработки Rutube.
Международная платформа YouTube тоже давно интегрирует ИИ в поиск и анализ видеоконтента. Сервис тестировал формирование с помощью ИИ подборок и описаний видео непосредственно в поисковой выдаче.
Собственная ML-модель – новый этап технической зрелости
Общий мировой тренд – переход видеоплатформ от работы только с метаданными и поведением пользователей к машинному анализу содержания самих роликов. Rutube не только развивает этот тренд, но и переводит важную часть обработки сотен миллионов единиц контента на собственный ML-стек.
Запуск собственной мультимодальной ML-модели – это новый этап технологического развития площадки Rutube. Платформа постепенно связывает в единый контур автоматическое распознавание видео, рекомендации, поиск, модерацию и рекламные инструменты.
Наиболее быстро эффект от изменений почувствуют рекламодатели: более детальное понимание тематики роликов позволяет точнее сопоставлять контент и рекламные объявления. В дальнейшем алгоритм будет развиваться в сторону более глубокого распознавания сюжетов, объектов, персон и отдельных смысловых фрагментов внутри видео.
