2024年底，B站的研发团队悄悄开启了一个代号CNY的神秘项目，原来是B站会在除夕当天转播央视春晚。因为是一项非常大的直播活动，且预期会有大量的新用户进来，产品和研发都想在这个项目上大展拳脚，希望给到新老用户一些新奇的直播玩法和更好的直播体验。结合B站已有的直播基础能力，以及产品的需求功能， 其中涉及流媒体技术的部分主要分为以下两大类。首先是体验提升：分为画质提升和降低延时及卡顿两个部分，其中画质提升包括提供HDR清晰度和更高的视频观看质量。然后是玩法创新：今年春晚涉及到流媒体技术核心玩法是结合B站的弹幕特色，“送弹幕上春晚”。以下会详细介绍我们是如何实现这些功能，遇到了哪些问题，都是如何解决的。
网络请求的质量是互联网产品一切交互的前提，尤其对于B站这种大流量业务场景，动静态资源的快速、可靠分发是提供优质用户体验的关键。因此大量的静态资源缓存在边缘节点，供不同区域的用户就近访问；动态资源基于智能选路技术，从众多回源线路中择优进行传输。享受全局动态加速的同时，DCDN的稳定性变得至关重要。
实时数据仓库是近年来数据技术领域内的一大发展潮流。构建一个能够实现高吞吐量写入与更新、端到端全链路实时处理以及低延迟、高并发的实时数据仓库，一直是众多企业面临的重大挑战。随着B站游戏业务的快速发展，对数据的实时应用需求也日益增加。单点式实时指标计算模式已难以支撑日益复杂的实时业务需求，因此，构建一个稳定、高效的实时数据仓库变得迫在眉睫。
2025年春晚是公司的年度大型直播活动，在常规的直播之外，直播结束之后转出点播稿件的耗时，也是一项重要的竞争指标。根据运营团队同步的信息，一些竞品可以在10分钟之内，将超过4小时的直播内容转成点播稿件。 视频云当时已经存在一套快速直转点系统，用于赛事大型活动的快速转点播，但是在生成超过4小时内容，需要至少40分钟，与业务需求的10分钟内差距较大。所以，技术团队以此为目标，对直播转点播的链路进行了整体的升级，同时，这也是新一代流媒体基建系统在线上大型活动下的首战。在春晚当天，4小时40分钟的晚会内容，在约8分钟完成了点播稿件的生产，相比优化前实现了约5倍的加速，达成业务目标。
2025年1月9日，哔哩哔哩正式宣布与中央广播电视总台达成合作，成为《2025年春节联欢晚会》的独家弹幕互动直播平台，对于技术团队来说首要目标是确保春节七天系列直播活动稳定运行，尤其需要重点保障春晚四小时黄金时段的直播质量万无一失。然而，一个细微的代码错误或第三方服务的意外中断，都可能导致整个直播系统出现故障。针对这些潜在风险，我们将详细介绍相关应对措施与解决方案。
bilibili 会员购票务从2017年从0-1开始，目前业务覆盖全国绝大部分2次元及2.5次元的展览、演出等项目。比如展览方面，有B站自己主办的BiliBili World（简称BW），Bilibili Macro Link（简称BML），和各种协作承办的漫展等。目前会员购票务在漫展垂直的市场率在行业中处于TOP级领先地位。
在数字化浪潮席卷的当下，业务的高效运营与创新发展离不开强大的技术支撑。对于各类线上业务而言，交易系统作为连接用户与服务的关键枢纽，其成熟度与完整性直接决定了业务的竞争力。一套卓越的交易系统，不仅是业务流程的数字化载体，更是提升运营效率、优化用户体验、推动业务创新的核心驱动力。大会员业务精心打造的交易系统，正是这样一个集高效、灵活、稳定于一身的强大平台，它以模块化的架构、先进的技术组件和完善的功能体系，为业务的持续增长和生态的繁荣发展奠定了坚实基础。
猫耳前端在开发活动的过程中，经历过传统的 pro code 阶段，即活动页面完全由前端开发编码实现，直到 2020 年接入公司内部的低代码活动平台，满足了大部分日常活动的需求，运营可自主配置活动并上线，释放了相当一部分的开发人力。不过，此时的方案仍然无法很好地服务大型直播活动场景，比如年度 S 级的直播活动，这类活动赛程多且持续时间长（可长达两周），页面和组件都包含多种状态，运营难以配置出大型直播活动的所有需求，故此阶段的大型活动仍然完全由开发编码实现，需要占用较多人力，但此类活动从数量上来看连 1% 都不到。鉴于我们已在日常活动中积累维护了相当多功能的低代码组件，如何复用已有的低代码组件来更快实现更多活动玩法就成了一个值得研究的问题。此外，大型活动从筹备到结束，时间长达数月，而密集开发阶段可能只占其中的一个月，密集开发结束后的长尾需求又该如何优化提效？接下来本文将介绍猫耳前端在活动场景的低代码探索经验，以及最终稳定的开发模式。
近年来，AI 内容生成（AIGC）领域的快速发展令人雀跃，OpenAI 在 2023 年初推出大型语言模型（LLM）GPT-4 受到了学术界和工业界的极大关注。OpenAI 随后在 2024 年初推出文生视频（T2V）模型Sora，能够根据文本指令制作出具有现实风格和富有想象力的场景视频，更是展示了令人惊喜的“世界模拟器”能力。 B站作为UGC内容丰富的视频网站，在视频生成模型领域有着天然数据优势和广泛应用场景。在此之前我们已经有了一段时间的LLM模型训练经验，文生视频模型结构、语料以及训练过程有一定的差异性，本文重点介绍B站TTV团队在文生视频模型上积极探索后的经验及感悟。
