Netflix成立制片工作室Netflix Studio，来拍摄和制作Netflix原创影片。他们发展出一整套的影音制作工程，称为「Pitch to Play」流程，从提案、协商、前制、影片拍摄、影片后制、在地化、品质管理、串流处理到播放，尽可能运用技术来变革。图片翻摄自：Netflix Data Engineering Tech Talks – Media Data for ML Studio Creative Production（（网址）
影音巨头Netflix不只是播放平台，自己也制作了许多原创影音内容，从2013年的3部原创影集纸牌屋等开始，到了2023年，那一年推出的原创电影和纪录片加起来，超过了200部，每年还会制作十来部剧集或系列动画，一部动辄长达8集、10集影片。Netflix自己也因此成立了制片工作室Netflix Studio，来拍摄和制作这些原创影片。
但是，Netflix不想沿用影剧产业的工作模式，而是要用技术颠覆传统电影制作方式，来创造一个全新的现代化制片工作模式，他们发展出了一整套的影音制作工程（Studio Engineering），涵盖了一部原创影片最初的提案，到最后观众按下播放键那一刻，他们简称为这是一个「Pitch to Play」流程，从提案评估、签约协商、音乐授权、前置作业、影片拍摄、影片后制、影片在地化、影片品质管理、影音串流处理到播放，都尽可能运用技术来变革。
在这个影音制作工程中，资料处理也是一大关键，一部影集制作涉及的资料包括了人力、供应商、制片契约等业务资料，还有各种财务资料，像是内容成本预测资料，制作成本数据、税务资讯、内容摊提成本等，最大宗的是各种媒体资产的资料，包括了制作阶段产生各种影片档、音乐和特效，另外还有在地化阶段建立的各国字幕资料、副配音档（例如其他语言的配音）等。
虽然一部影片，提案通过后，需要经过大量的协商讨论，这其中也包括了撰写出剧本，并且通过一定程序的讨论和审查，但是，整套影片制作过程，可以进一步简化成三个阶段，前置、制片和后制，只要剧本完成通过审核后，就会展开实际的前期制作。
剧本是所有制片工作计划的源头，这一份剧本会影响了整个制作的生命周期。从预算、制作规模、拍摄场景数、拍摄角色，甚至后续的字幕、配音都需要使用到剧本中的对话。通常一份剧本是一个庞大长达数百页的Word文件，甚至长到难以直接喂入到机器学习模型中。但是Netflix有一套对于剧本格式的分析架构，可以将剧本文件转换成结构化的剧本数据。
尤其，在好莱坞的剧本，多年发展下来已经有一套标准的写法，从剧本中的文字段落缩排结构，每一行的不同缩排代表了不同的意义，可能用来代表角色、对话、行动、角色提示、拍摄提示、场景、角色描述等不同类型的资料。另外拍摄团队也需要花大量时间研究剧本，Netflix提供了一个剧本分析工具，让相关工作人员更方便进行剧本分析，也容易加上各种注解和标签，以便提醒该通知哪些相关人员或部门。
图片来源／Netflix
Netflix运用机器学习来分析剧本结构和大量的工作人员剧本注解，打造出了许多剧本分析辅助工具，有的工具可以自动估算拍摄时间成本，来减少人工估算的作业，也有不少工具用来建立一个标准化的分类，方便评估制作这部影片的复杂度，例如有一个视觉特效拍摄分类器，可以从剧本自动分析镜头的复杂度，来预估需要提供什么规模的制作花费，让剧集经理在前制作业就能判断，哪些场景需要视觉特效处理，到了后制阶段，就可以更准确的安排相关计划。
图片来源／Netflix
后制阶段也有许多需要资料工程团队支援，例如影片制作完成后，到播放前得经过影片品质检查的把关，这也是靠大量影音资料工程技术来处理，例如有一个机器学习模型，可以自动检测片商送来的素材是否有不良品质的画面，像过度曝光，黑斑，不该出现的现场胶带等，这些自动审查结果会搭配人工判断，来决定是否可接受还是要重新后制。
另外，这个影片制作流程中的最后一段，则是会搜集各种用户观看的问题回馈，像是画面模糊，频宽不足之类抱怨，Netflix用NLP模型建立了一个用户问题评分模型，可以分析用户意见对不同类型问题的抱怨数量和严重程度，再将这些数据串连到品质控管流程，来评估是否要修补影片重新上架等品管作业的决策参考。
图片来源／Netflix
目前，Netflix正在打造一个内容理解平台架构，可以支援不同影片制作阶段的内容处理需求，以及一个能够水平式扩张的机器学习服务，来提供如电脑视觉处理、NLP分析、会员理解等能力，更细致地支援，从提案到播放的整套影片制作生命周期，每一阶段需要的技术力。