Joost行不行?Joost模式在中国行不行?

郑昀 20071015

Joost行不行?Joost模式在中国行不行?

先把问题搁在这儿。

郑治连着三篇也挑起了我的兴趣:《Joost模式:互联网上的电视网》,《VeohTV:能成为Joost杀手吗?》和《什么才是Joost杀手?》。 

最初用了Joost的结果是大受刺激,一路上直念叨老外简直太牛了,透明的选台/点播菜单(虽然免费的频道只有三十来个),全屏的电视体验(电视体验是一种即开即用和永远在线式的体验(Instant-on and Always-on)),流畅的播放效果,不愧是出品过SkypeKazaaJanus Friis&Nikalas Zennstrom,每次都能颠覆一种模式;然后就是痛陈国内的复制风和缺乏创新,看看号称国内互联网公敌的腾讯在做什么,所谓的创新实验室出品的一系列:QQ VideoQQ liveQQ医生,问问,滔滔,QQ书签,Q吧,都是没有任何颠覆性的抄袭之作,所谓的亮点无非就是给twitter加一个记账功能。这些年来,除了百度贴吧、搜狗输入法属于创新,其他还有什么在国际上拿得出手的吗?

且慢,Joost真的是颠覆吗?它颠覆了什么?

如果是电视节目点播,在此之前,Web浏览器方式中Youtube、优酷也不是不可以点播啊,客户端方式PPLivePPStream也可以点播啊。Joost对用户需求的判断无非就是,视频是一种单独的需求,直播和点播在线或离线视频用一种独立的客户端会更好,这不是Web浏览器所能完美解决的。另外,让Joost加分的是,它卓越的可视化效果,毫无疑问是ppliveppstream或者百度下吧所望尘莫及的,当然模仿是国人之擅长,但关键是这是人家Joost首创的。

当然啊,你会说,很多人看Youtube视频,关键是它的社会化做得好啊,要看下面的回复吧?要看多少人收藏吧?要看相关的推荐吧?在这方面,Joost也备好了货,点击一下,右上角就会浮出透明的实时聊天室样的东西,为以后的社会化做好了铺垫。【嗯,这个也可以被复制。】

Joost颠覆的是,正如Skype颠覆的一样,是如何和其他生意形态进行对接,从而让用户获得一般P2P提供者所无法合法提供的价值。

Joost将提供实时电视(Live TV),它的VP Yvette AlberdingkthijmJoost将在2008第一季度测试实时传输,Joost正在和所有有体育版权的人洽谈。【这个可不好复制,我们国家是有广禁总局的,。】

Joost一上来解决了合法性和盈利问题,而不是象国内P2P提供商们把这件事情留在最后在非法和盗版中跋涉。Joost的视频点播总是会浮现广告的,而且不像其他家解决办法那么蠢。其他家要么占用宝贵的视频屏幕好大一条,譬如Youtube,要么更令人厌恶地强行塞入一段广告视频,即使是和当前内容有关联也会让人不爽。Joost很聪明,巧妙地、不影响观看效果地、潜移默化地加入了广告。【这个倒是可以复制。】

 

虽然以上种种,但还是让我担心,Joost在国外,会不会象现在的Skype一样,令它的东家ebay为收购价格过高盈利状况不佳而难受呢?在国内,Joost模式不可能走通的。不是说没有那么多人愿意通过一个互联网的视频点播工具看电视,而是太多这种支撑优酷、酷6、土豆的节目点播行为都是地下的,都是拿不上台面的。

 

我的相关文章:
       10/12/2007   | Web2.0的信息组织需要引入语义的新思路

10/12/2007   | 掌握激励组合拳的红色混混博客

10/12/2007   | 取舍之间:techmeme少既是多

10/2/2007 | 传统媒体和新媒体的对决:Techmeme Leaderboard上线

9/30/2007 Last.Fm去战斗,电台式的阅读体验?

9/8/2007 LifeStreams+FriendStreams:你的切片之不同玩法

   

玩聚热点频道:

玩聚 民生 频道  玩聚 体育 频道  玩聚 娱乐 频道  玩聚 锐评 频道  玩聚 商业 频道  玩聚 科技 频道  玩聚 两性 频道   



Trackback: http://tb.blog.youkuaiyun.com/TrackBack.aspx?PostId=1827719


内容概要:本文介绍了一个基于多传感器融合的定位系统设计方案,采用GPS、里程计和电子罗盘作为定位传感器,利用扩展卡尔曼滤波(EKF)算法对多源传感器数据进行融合处理,最终输出目标的滤波后位置信息,并提供了完整的Matlab代码实现。该方法有效提升了定位精度与稳定性,尤其适用于存在单一传感器误差或信号丢失的复杂环境,如自动驾驶、移动采用GPS、里程计和电子罗盘作为定位传感器,EKF作为多传感器的融合算法,最终输出目标的滤波位置(Matlab代码实现)机器人导航等领域。文中详细阐述了各传感器的数据建模方式、状态转移与观测方程构建,以及EKF算法的具体实现步骤,具有较强的工程实践价值。; 适合人群:具备一定Matlab编程基础,熟悉传感器原理和滤波算法的高校研究生、科研人员及从事自动驾驶、机器人导航等相关领域的工程技术人员。; 使用场景及目标:①学习和掌握多传感器融合的基本理论与实现方法;②应用于移动机器人、无人车、无人机等系统的高精度定位与导航开发;③作为EKF算法在实际工程中应用的教学案例或项目参考; 阅读建议:建议读者结合Matlab代码逐行理解算法实现过程,重点关注状态预测与观测更新模块的设计逻辑,可尝试引入真实传感器数据或仿真噪声环境以验证算法鲁棒性,并进一步拓展至UKF、PF等更高级滤波算法的研究与对比。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值