Media-optimalisatie: hoe video, geluid en beeld slimmer worden verstuurd
Media-optimalisatie is de verzameling technieken waarmee video's, foto's en geluid kleiner en efficiënter worden gemaakt zonder dat je er als kijker of luisteraar veel van merkt. Denk aan het inpakken van een koffer voor een reis: je wilt alles meenemen wat nodig is, maar zo compact mogelijk, zodat de koffer past en je niet te veel hoeft te sjouwen. Bij media-optimalisatie gebeurt hetzelfde met digitale bestanden — alleen dan met slimme wiskundige technieken in plaats van handig opvouwen.
Elke keer dat je een serie streamt op Netflix, een foto bekijkt op Instagram of een video-oproep voert, wordt op de achtergrond bepaald hoeveel data er nodig is om dat beeld of geluid goed over te brengen. Media-optimalisatie zorgt ervoor dat dit proces zo efficiënt mogelijk verloopt: minder data betekent snellere laadtijden, lagere kosten voor providers en een soepelere ervaring, zelfs met een matige internetverbinding.
Wat is het precies?
De basis van media-optimalisatie is compressie: het verwijderen van overbodige of moeilijk waarneembare informatie uit een bestand. Bij video en beeld gebeurt dit met een codec (samentrekking van 'coder-decoder'), een set regels waarmee beeldmateriaal wordt omgezet in een compacter formaat en later weer wordt teruggezet naar iets kijkbaars. Bekende videocodecs zijn H.264 (ook wel AVC genoemd, al decennia de standaard), de opvolger H.265 (HEVC), Google's VP9, en het nieuwere AV1.
Een codec maakt gebruik van het feit dat het menselijk oog niet alles even scherp waarneemt. Kleine kleurverschillen of details in snel bewegende beelden vallen minder op, dus die informatie kan met minder precisie worden opgeslagen. Ook wordt gekeken naar wat er tussen opeenvolgende videobeelden verandert: als de achtergrond stilstaat, hoeft die niet elk beeld opnieuw volledig te worden verstuurd.
Een tweede belangrijke techniek is adaptive bitrate streaming (adaptieve streaming). Hierbij wordt een video vooraf in meerdere kwaliteitsversies klaargezet — van lage resolutie voor trage verbindingen tot 4K voor snelle glasvezellijnen. De speler op je telefoon of tv schakelt automatisch tussen deze versies, afhankelijk van hoe goed je verbinding op dat moment is. Dit gebeurt via protocollen als HLS (HTTP Live Streaming, ontwikkeld door Apple) en MPEG-DASH, een open standaard.
Bij afbeeldingen spelen vergelijkbare afwegingen: formaten als WebP en het nieuwere AVIF zijn ontworpen om foto's met minder databytes op te slaan dan de klassieke JPEG, met behoud van vergelijkbare beeldkwaliteit.
Wat wil men ermee bereiken?
Het belangrijkste doel is efficiëntie: minder data versturen zonder dat de kijker of luisteraar kwaliteitsverlies opmerkt. Dit heeft meerdere voordelen. Voor gebruikers betekent het snellere laadtijden en minder haperingen, vooral belangrijk in gebieden met trage of dure internetverbindingen.
Voor bedrijven zoals streamingdiensten en videoplatforms scheelt het enorm in kosten: het versturen van data over netwerken (bandbreedte) en het opslaan ervan kost geld, en bij miljoenen gebruikers tellen kleine besparingen per video op tot grote bedragen.
Er is ook een duurzaamheidsaspect. Datacenters en netwerken verbruiken energie, en efficiëntere codering betekent minder stroomverbruik per verzonden video. Tegelijk kost het coderen van video zelf ook rekenkracht — een nieuwere codec die kleinere bestanden oplevert, vraagt vaak wél meer rekenkracht om te coderen én te decoderen, wat weer een eigen energiekosten met zich meebrengt. Deze afweging tussen bestandsgrootte en rekenkracht is een terugkerend thema in het vakgebied.
Voorbeelden uit de praktijk
Netflix per-title encoding (vanaf 2015): Netflix paste zijn coderingsstrategie aan zodat niet elke video dezelfde standaardinstellingen kreeg, maar per titel werd bepaald wat de optimale balans was tussen bestandsgrootte en beeldkwaliteit. Een rustige documentaire heeft immers andere eisen dan een actiefilm vol snelle bewegingen.
VMAF-kwaliteitsmetriek (open source sinds 2016): Netflix ontwikkelde samen met academische partners een methode genaamd VMAF (Video Multimethod Assessment Fusion) om automatisch te meten hoe een menselijk oog videokwaliteit zou beoordelen, in plaats van te vertrouwen op simpelere technische maatstaven. Deze tool wordt inmiddels breed gebruikt in de industrie om coderingskeuzes te testen.
Alliance for Open Media en AV1 (opgericht 2015): Een samenwerkingsverband van onder meer Google, Netflix, Amazon, Apple, Microsoft en Intel ontwikkelde de open en royaltyvrije codec AV1, als alternatief voor codecs waarvoor licentiekosten moeten worden betaald. AV1 belooft betere compressie dan eerdere generaties codecs.
YouTube en VP9/AV1: YouTube was een vroege grootschalige gebruiker van Google's VP9-codec en is geleidelijk overgestapt op AV1 voor delen van zijn videocatalogus, vooral voor populaire content waar de investering in herkodering zich het snelst terugbetaalt.
WebP en AVIF voor beeldformaten: Google introduceerde WebP als alternatief voor JPEG en PNG met kleinere bestandsgroottes. Later volgde AVIF, gebaseerd op de AV1-beeldtechnologie, dat op veel platforms nog kleinere bestanden mogelijk maakt bij vergelijkbare kwaliteit.
Hoe ver is de techniek?
Media-optimalisatie is geen opkomende technologie maar een volwassen, voortdurend evoluerend vakgebied. H.264 blijft wereldwijd de meest gebruikte videocodec omdat vrijwel elk apparaat — van oude smartphones tot smart-tv's — hardwarematige ondersteuning ervoor heeft. Nieuwere codecs zoals AV1 bieden betere compressie, maar de adoptie verloopt geleidelijk: niet elk apparaat heeft nog de chips die AV1 efficiënt kunnen decoderen, waardoor platforms vaak meerdere codecs naast elkaar moeten blijven aanbieden.
De opvolger van H.265, genaamd VVC (Versatile Video Coding, ook wel H.266), werd rond 2020 door de internationale standaardisatie-organisaties afgerond. De praktische adoptie hiervan verloopt langzaam, mede door onduidelijkheid en discussie over licentiekosten — een terugkerend obstakel bij codecs die niet vrij beschikbaar zijn. Precieze actuele adoptiecijfers zijn ons niet met zekerheid bekend en veranderen bovendien voortdurend.
Een duidelijke trend is de inzet van machine learning om coderingsbeslissingen te verfijnen: algoritmes die per videofragment (soms zelfs per shot) automatisch bepalen welke instellingen de beste balans tussen kwaliteit en bestandsgrootte opleveren. Dit bouwt voort op werk zoals Netflix's per-title encoding, maar dan verder verfijnd en geautomatiseerd.
Wie werken eraan?
Grote techbedrijven met eigen streamingplatforms of clouddiensten investeren fors in dit vakgebied, waaronder Netflix, Google (YouTube), Amazon, Apple en Microsoft. Veel van hen werken samen binnen de Alliance for Open Media (AOMedia), opgericht in 2015, dat de AV1-codec ontwikkelt en beheert.
Daarnaast zijn er formele standaardisatie-instanties actief: de MPEG-werkgroep (Moving Picture Experts Group, onderdeel van ISO/IEC) en de ITU (International Telecommunication Union, een gespecialiseerd VN-orgaan) hebben gezamenlijk codecs als H.264, H.265 en VVC/H.266 ontwikkeld en gestandaardiseerd. Deze organisaties brengen ingenieurs uit de hele wereld samen, met een historisch sterke betrokkenheid van bedrijven en onderzoeksinstituten uit de Verenigde Staten, Europa (waaronder Duitsland, met het Fraunhofer-instituut als bekende bijdrager aan videocodec-onderzoek) en Azië.