AI সহ 12টি নতুন Azure মিডিয়া পরিষেবা

মাইক্রোসফ্টের লক্ষ্য হল গ্রহের প্রতিটি ব্যক্তি এবং সংস্থাকে আরও বেশি অর্জনের জন্য ক্ষমতায়ন করা। মিডিয়া ইন্ডাস্ট্রি এই মিশনকে বাস্তবে পরিণত করার একটি বড় উদাহরণ। আমরা এমন এক যুগে বাস করি যেখানে আরও কন্টেন্ট তৈরি এবং ব্যবহার করা হচ্ছে, আরও উপায়ে এবং আরও ডিভাইসে। IBC 2019-এ, আমরা যে সর্বশেষ উদ্ভাবন নিয়ে কাজ করছি এবং সেগুলি কীভাবে আপনার মিডিয়া অভিজ্ঞতাকে রূপান্তর করতে সাহায্য করতে পারে সেগুলি শেয়ার করেছি।

কাটার নিচে বিস্তারিত!

এই পৃষ্ঠা চালু আছে আমাদের ওয়েবসাইট.

ভিডিও ইনডেক্সার এখন অ্যানিমেশন এবং বহুভাষিক সামগ্রী সমর্থন করে৷

গত বছর আইবিসিতে আমরা আমাদের পুরস্কার বিজয়ী করেছিলাম Azure Media Services Video Indexer, এবং এই বছর এটি আরও ভাল হয়েছে. ভিডিও ইনডেক্সার মিডিয়া ফাইল থেকে স্বয়ংক্রিয়ভাবে তথ্য এবং মেটাডেটা বের করে, যেমন কথ্য শব্দ, মুখ, আবেগ, বিষয় এবং ব্র্যান্ড এবং এটি ব্যবহার করার জন্য আপনাকে মেশিন লার্নিং বিশেষজ্ঞ হতে হবে না।

আমাদের সাম্প্রতিক অফারগুলির মধ্যে রয়েছে দুটি অত্যন্ত চাওয়া-পাওয়া এবং আলাদা বৈশিষ্ট্যের পূর্বরূপ — অ্যানিমেটেড চরিত্রের স্বীকৃতি এবং বহুভাষিক বক্তৃতা প্রতিলিপি — সেইসাথে ভিডিও ইনডেক্সারে আজ উপলব্ধ বিদ্যমান মডেলগুলিতে বেশ কয়েকটি সংযোজন৷

অ্যানিমেটেড ক্যারেক্টার রিকগনিশন

অ্যানিমেটেড কন্টেন্ট হল সবচেয়ে জনপ্রিয় ধরনের কন্টেন্টগুলির মধ্যে একটি, কিন্তু মানুষের মুখ চিনতে ডিজাইন করা স্ট্যান্ডার্ড কম্পিউটার ভিশন মডেলগুলি এটির সাথে ভালভাবে কাজ করে না, বিশেষ করে যদি বিষয়বস্তুতে মানুষের মুখের বৈশিষ্ট্য ছাড়া অক্ষর থাকে। নতুন প্রিভিউ সংস্করণ ভিডিও ইনডেক্সারকে Microsoft-এর Azure কাস্টম ভিশন পরিষেবার সাথে একত্রিত করে, মডেলের একটি নতুন সেট সরবরাহ করে যা স্বয়ংক্রিয়ভাবে অ্যানিমেটেড অক্ষর সনাক্ত করে এবং গোষ্ঠীবদ্ধ করে এবং সমন্বিত কাস্টম ভিশন মডেলগুলি ব্যবহার করে লেবেল এবং সনাক্ত করা সহজ করে তোলে।

মডেলগুলিকে একটি একক পাইপলাইনে একত্রিত করা হয়েছে, যেকেউ কোনো মেশিন লার্নিং জ্ঞান ছাড়াই পরিষেবাটি ব্যবহার করতে দেয়৷ ফলাফলগুলি একটি নো-কোড ভিডিও ইনডেক্সার পোর্টালের মাধ্যমে বা আপনার নিজের অ্যাপ্লিকেশনগুলিতে দ্রুত একীকরণের জন্য একটি REST API এর মাধ্যমে পাওয়া যায়৷

আমরা এই মডেলগুলি তৈরি করেছি অ্যানিমেটেড চরিত্রগুলির সাথে কাজ করার জন্য কিছু ভোক্তার সাথে যারা প্রশিক্ষণ এবং পরীক্ষার জন্য বাস্তব অ্যানিমেটেড সামগ্রী প্রদান করে৷ নতুন কার্যকারিতার মানটি ভায়াকম ইন্টারন্যাশনাল মিডিয়া নেটওয়ার্কের স্টুডিও প্রযুক্তি এবং পোস্ট-প্রোডাকশনের সিনিয়র ডিরেক্টর অ্যান্ডি গুটারিজের দ্বারা ভালভাবে সংক্ষিপ্ত করা হয়েছিল, যিনি ডেটা প্রদানকারীদের মধ্যে একজন ছিলেন: “শক্তিশালী AI-চালিত অ্যানিমেটেড সামগ্রী আবিষ্কারের সংযোজন অনুমতি দেবে আমাদের লাইব্রেরির সামগ্রী থেকে দ্রুত এবং দক্ষতার সাথে অক্ষর মেটাডেটা খুঁজে পেতে এবং ক্যাটালগ করতে।

সবচেয়ে গুরুত্বপূর্ণ, এটি আমাদের সৃজনশীল দলগুলিকে তাদের প্রয়োজনীয় বিষয়বস্তু অবিলম্বে খুঁজে বের করার ক্ষমতা দেবে, মিডিয়া পরিচালনায় ব্যয় করা সময় কমিয়ে দেবে এবং তাদের সৃজনশীলতার উপর ফোকাস করার অনুমতি দেবে।"

আপনি অ্যানিমেটেড চরিত্রের স্বীকৃতির সাথে পরিচিত হতে শুরু করতে পারেন ডকুমেন্টেশন পেজ.

একাধিক ভাষায় সামগ্রী সনাক্তকরণ এবং প্রতিলিপি

কিছু মিডিয়া সংস্থান, যেমন সংবাদ, ঘটনাক্রম এবং সাক্ষাত্কার, বিভিন্ন ভাষায় কথা বলা লোকেদের রেকর্ডিং ধারণ করে। বেশিরভাগ বিদ্যমান স্পিচ-টু-টেক্সট ক্ষমতাগুলির জন্য অডিও শনাক্তকরণ ভাষা আগে থেকে নির্দিষ্ট করা প্রয়োজন, এটি বহুভাষিক ভিডিও প্রতিলিপি করা কঠিন করে তোলে।

বিভিন্ন ধরণের সামগ্রীর জন্য আমাদের নতুন স্বয়ংক্রিয় কথ্য ভাষা সনাক্তকরণ বৈশিষ্ট্য মিডিয়া সম্পদে পাওয়া ভাষাগুলি সনাক্ত করতে মেশিন লার্নিং প্রযুক্তি ব্যবহার করে। একবার সনাক্ত করা হলে, প্রতিটি ভাষা বিভাগ স্বয়ংক্রিয়ভাবে উপযুক্ত ভাষায় একটি ট্রান্সক্রিপশন প্রক্রিয়ার মধ্য দিয়ে যায় এবং তারপরে সমস্ত বিভাগগুলিকে একটি একক বহু-ভাষা ট্রান্সক্রিপশন ফাইলে একত্রিত করা হয়।

ফলাফল ট্রান্সক্রিপ্ট ভিডিও সূচকের JSON আউটপুটের অংশ হিসাবে এবং সাবটাইটেল ফাইল হিসাবে উপলব্ধ। আউটপুট ট্রান্সক্রিপ্টটি Azure সার্চের সাথেও একত্রিত করা হয়েছে, যা আপনাকে অবিলম্বে আপনার ভিডিওতে বিভিন্ন ভাষার সেগমেন্ট অনুসন্ধান করতে দেয়। উপরন্তু, ভিডিও ইনডেক্সার পোর্টালের সাথে কাজ করার সময় বহুভাষিক ট্রান্সক্রিপশন পাওয়া যায়, যাতে আপনি সময়ের সাথে ট্রান্সক্রিপ্ট এবং চিহ্নিত ভাষা দেখতে পারেন, বা প্রতিটি ভাষার জন্য ভিডিওতে নির্দিষ্ট জায়গায় যেতে পারেন এবং ভিডিও প্লে হওয়ার সাথে সাথে ক্যাপশন হিসাবে বহুভাষিক প্রতিলিপি দেখতে পারেন। আপনি পোর্টাল এবং API-এর মাধ্যমে 54টি উপলব্ধ ভাষার যেকোনো একটিতে প্রাপ্ত পাঠ্য অনুবাদ করতে পারেন।

নতুন বহুভাষিক বিষয়বস্তু শনাক্তকরণ বৈশিষ্ট্য এবং ভিডিও সূচকে এটি কীভাবে ব্যবহার করা হয় সে সম্পর্কে আরও জানুন ডকুমেন্টেশন পড়ুন.

অতিরিক্ত আপডেট এবং উন্নত মডেল

আমরা ভিডিও ইনডেক্সারে নতুন মডেল যোগ করছি এবং বিদ্যমান মডেলগুলিকে উন্নত করছি, যার মধ্যে নীচে বর্ণিত আছে৷

মানুষ এবং স্থানের সাথে যুক্ত সত্তা নিষ্কাশন করা

প্যারিসের আইফেল টাওয়ার এবং লন্ডনের বিগ বেন-এর মতো সুপরিচিত নাম এবং অবস্থানগুলিকে অন্তর্ভুক্ত করতে আমরা আমাদের বিদ্যমান ব্র্যান্ড আবিষ্কারের ক্ষমতা প্রসারিত করেছি৷ যখন তারা জেনারেট করা ট্রান্সক্রিপ্টে বা অপটিক্যাল ক্যারেক্টার রিকগনিশন (OCR) ব্যবহার করে স্ক্রিনে প্রদর্শিত হয়, তখন প্রাসঙ্গিক তথ্য যোগ করা হয়। এই নতুন বৈশিষ্ট্যটির সাহায্যে, আপনি ভিডিওতে উপস্থিত সমস্ত ব্যক্তি, স্থান এবং ব্র্যান্ডের জন্য অনুসন্ধান করতে পারেন এবং আরও তথ্যের জন্য সময় স্লট, বিবরণ এবং Bing সার্চ ইঞ্জিনের লিঙ্ক সহ তাদের সম্পর্কে বিশদ বিবরণ দেখতে পারেন৷

সম্পাদকের জন্য ফ্রেম সনাক্তকরণ মডেল

এই নতুন বৈশিষ্ট্যটি JSON বিবরণে পৃথক ফ্রেমের সাথে সংযুক্ত মেটাডেটাতে "ট্যাগ" এর একটি সেট যুক্ত করে তাদের সম্পাদকীয় প্রকারের প্রতিনিধিত্ব করতে (উদাহরণস্বরূপ, ওয়াইড শট, মাঝারি শট, ক্লোজ-আপ, চরম ক্লোজ-আপ, দুটি শট, একাধিক ব্যক্তি) , আউটডোর, ইনডোর, ইত্যাদি)। ক্লিপ এবং ট্রেলারের জন্য ভিডিও সম্পাদনা করার সময় বা শৈল্পিক উদ্দেশ্যে একটি নির্দিষ্ট শট শৈলী খুঁজতে গেলে এই শট টাইপ বৈশিষ্ট্যগুলি কার্যকর।

আরও জানুন ভিডিও সূচকে ফ্রেমের ধরন সনাক্তকরণ।

উন্নত IPTC ম্যাপিং গ্রানুলারিটি

আমাদের বিষয় শনাক্তকরণ মডেলটি ট্রান্সক্রিপশন, অপটিক্যাল ক্যারেক্টার রিকগনিশন (OCR) এবং শনাক্ত করা সেলিব্রিটিদের উপর ভিত্তি করে একটি ভিডিওর বিষয় নির্ধারণ করে, যদিও বিষয়টি স্পষ্টভাবে নির্দিষ্ট করা না থাকে। আমরা এই শনাক্ত করা বিষয়গুলিকে চারটি শ্রেণিবিন্যাসের ক্ষেত্রে ম্যাপ করি: উইকিপিডিয়া, বিং, আইপিটিসি এবং আইএবি। এই বর্ধিতকরণ আমাদের দ্বিতীয়-স্তরের IPTC শ্রেণীবিভাগ অন্তর্ভুক্ত করার অনুমতি দেয়।
এই উন্নতিগুলির সুবিধা নেওয়া আপনার বর্তমান ভিডিও ইন্ডেক্সার লাইব্রেরি পুনঃসূচীকরণের মতোই সহজ৷

নতুন লাইভ স্ট্রিমিং কার্যকারিতা

Azure Media Services প্রিভিউতে, আমরা লাইভ স্ট্রিমিংয়ের জন্য দুটি নতুন বৈশিষ্ট্যও অফার করছি।

এআই-চালিত রিয়েল-টাইম ট্রান্সক্রিপশন লাইভ স্ট্রিমিংকে পরবর্তী স্তরে নিয়ে যায়

লাইভ স্ট্রিমিংয়ের জন্য Azure মিডিয়া পরিষেবা ব্যবহার করে, আপনি এখন একটি আউটপুট স্ট্রিম পেতে পারেন যাতে অডিও এবং ভিডিও সামগ্রী ছাড়াও একটি স্বয়ংক্রিয়ভাবে তৈরি টেক্সট ট্র্যাক অন্তর্ভুক্ত থাকে। কৃত্রিম বুদ্ধিমত্তার উপর ভিত্তি করে রিয়েল-টাইম অডিও ট্রান্সক্রিপশন ব্যবহার করে পাঠ্যটি তৈরি করা হয়েছে। ফলাফল উন্নত করার জন্য কাস্টম কৌশলগুলি স্পিচ-টু-টেক্সট রূপান্তরের আগে এবং পরে প্রয়োগ করা হয়। পাঠ্য ট্র্যাকটি IMSC1, TTML বা WebVTT-তে প্যাকেজ করা হয়েছে, এটি DASH, HLS CMAF বা HLS TS-এ সরবরাহ করা হয়েছে কিনা তার উপর নির্ভর করে।

24/7 OTT চ্যানেলের জন্য রিয়েল-টাইম লাইন এনকোডিং

আমাদের v3 API ব্যবহার করে, আপনি OTT (ওভার-দ্য-টপ) চ্যানেল তৈরি, পরিচালনা এবং সম্প্রচার করতে পারেন এবং অন্যান্য Azure মিডিয়া পরিষেবার বৈশিষ্ট্যগুলি ব্যবহার করতে পারেন যেমন লাইভ ভিডিও অন ডিমান্ড (VOD, ভিডিও অন ডিমান্ড), প্যাকেজিং এবং ডিজিটাল অধিকার ব্যবস্থাপনা ( DRM, ডিজিটাল অধিকার ব্যবস্থাপনা)।
এই বৈশিষ্ট্যগুলির পূর্বরূপ সংস্করণ দেখতে, দেখুন Azure মিডিয়া পরিষেবা সম্প্রদায়.

নতুন প্যাকেজ প্রজন্মের ক্ষমতা

অডিও বর্ণনা ট্র্যাক জন্য সমর্থন

সম্প্রচার চ্যানেলে সম্প্রচারিত বিষয়বস্তুতে নিয়মিত অডিও সংকেত ছাড়াও স্ক্রিনে কী ঘটছে তার মৌখিক ব্যাখ্যা সহ একটি অডিও ট্র্যাক থাকে। এটি দৃষ্টি প্রতিবন্ধী দর্শকদের জন্য প্রোগ্রামগুলিকে আরও অ্যাক্সেসযোগ্য করে তোলে, বিশেষ করে যদি বিষয়বস্তু প্রাথমিকভাবে ভিজ্যুয়াল হয়। নতুন অডিও বর্ণনা ফাংশন আপনাকে একটি অডিও ট্র্যাককে একটি অডিও বর্ণনা ট্র্যাক (AD, অডিও বিবরণ) হিসাবে টীকা করার অনুমতি দেয়, প্লেয়ারদের AD ট্র্যাকটি দর্শকদের কাছে উপলব্ধ করার অনুমতি দেয়৷

ID3 মেটাডেটা সন্নিবেশ করা হচ্ছে

ক্লায়েন্টের প্লেয়ারে বিজ্ঞাপন বা কাস্টম মেটাডেটা ইভেন্টের সন্নিবেশের সংকেত দিতে, সম্প্রচারকারীরা প্রায়ই ভিডিওতে এমবেড করা সময়ের মেটাডেটা ব্যবহার করে। SCTE-35 সিগন্যালিং মোড ছাড়াও, আমরা এখন সমর্থন করি ID3v2 এবং অন্যান্য কাস্টম স্কিম, ক্লায়েন্ট অ্যাপ্লিকেশন দ্বারা ব্যবহারের জন্য অ্যাপ্লিকেশন বিকাশকারী দ্বারা সংজ্ঞায়িত৷

Microsoft Azure অংশীদাররা এন্ড-টু-এন্ড সমাধান প্রদর্শন করে

বিটমোভিন Microsoft Azure-এর জন্য Bitmovin ভিডিও এনকোডিং এবং Bitmovin ভিডিও প্লেয়ার প্রবর্তন করে। গ্রাহকরা এখন Azure-এ এই এনকোডিং এবং প্লে-আউট সমাধানগুলি ব্যবহার করতে পারেন এবং উন্নত বৈশিষ্ট্যগুলি যেমন থ্রি-স্টেজ এনকোডিং, AV1/VC কোডেক সমর্থন, বহুভাষিক সাবটাইটেল এবং QoS, বিজ্ঞাপন এবং ভিডিও ট্র্যাকিংয়ের জন্য প্রি-ইন্টিগ্রেটেড ভিডিও বিশ্লেষণ থেকে উপকৃত হতে পারেন৷

এভারজেন্ট Azure-এ এর ব্যবহারকারী লাইফসাইকেল ম্যানেজমেন্ট প্ল্যাটফর্ম প্রদর্শন করে। রাজস্ব এবং গ্রাহক জীবনচক্র ব্যবস্থাপনা সমাধানের একটি নেতৃস্থানীয় প্রদানকারী হিসাবে, এভারজেন্ট গ্রাহক জীবনচক্রের গুরুত্বপূর্ণ পয়েন্টগুলিতে লক্ষ্যযুক্ত পরিষেবা প্যাকেজ এবং অফার তৈরি করে প্রিমিয়াম বিনোদন প্রদানকারীদের গ্রাহক অর্জন এবং ধরে রাখার উন্নতি করতে Azure AI ব্যবহার করে।

হাভিশন এর বুদ্ধিমান ক্লাউড-ভিত্তিক মিডিয়া রাউটিং পরিষেবা, SRT হাব প্রদর্শন করবে, যা গ্রাহকদের এন্ড-টু-এন্ড ওয়ার্কফ্লো ব্যবহার করে রূপান্তর করতে সহায়তা করে Azure ডেটা বক্স এজ এবং Avid, Telestream, Wowza, Cinegy এবং Make.tv-এর Hublets-এর সাহায্যে কর্মপ্রবাহের রূপান্তর।

এসইএস তার স্যাটেলাইট এবং পরিচালিত মিডিয়া পরিষেবা গ্রাহকদের জন্য Azure প্ল্যাটফর্মে সম্প্রচার-গ্রেড মিডিয়া পরিষেবাগুলির একটি স্যুট তৈরি করেছে৷ SES সম্পূর্ণরূপে পরিচালিত প্লেআউট পরিষেবাগুলির সমাধান প্রদর্শন করবে, যার মধ্যে রয়েছে মাস্টার প্লেআউট, স্থানীয় প্লেআউট, বিজ্ঞাপন আবিষ্কার এবং প্রতিস্থাপন, এবং Azure-এ উচ্চ-মানের রিয়েল-টাইম 24x7 মাল্টি-চ্যানেল এনকোডিং।

সিঙ্কওয়ার্ডস Azure-এ সুবিধাজনক ক্লাউড টুলস এবং সিগনেচার অটোমেশন প্রযুক্তি উপলব্ধ করে। এই অফারগুলি মিডিয়া সংস্থাগুলিকে Azure-এ তাদের লাইভ এবং অফলাইন ভিডিও ওয়ার্কফ্লোতে বিদেশী ভাষার সাবটাইটেল সহ স্বয়ংক্রিয়ভাবে সাবটাইটেল যোগ করা সহজ করে তুলবে৷
আন্তর্জাতিক কোম্পানি টাটা এলক্সসি, একটি প্রযুক্তি পরিষেবা সংস্থা, ক্লাউড থেকে OTT সামগ্রী সরবরাহ করতে Azure মিডিয়া পরিষেবাগুলিতে তার OTT SaaS প্ল্যাটফর্ম TEPlay সংহত করেছে৷ Tata Elxsi এছাড়াও Microsoft Azure-এ তার Falcon Eye মানের অভিজ্ঞতা (QoE) পর্যবেক্ষণ সমাধান এনেছে, যা সিদ্ধান্ত গ্রহণের জন্য বিশ্লেষণ এবং মেট্রিক্স প্রদান করে।

ভেরাইজন মিডিয়া বিটা রিলিজ হিসাবে Azure-এ তার স্ট্রিমিং প্ল্যাটফর্ম উপলব্ধ করছে। Verizon Media Platform হল একটি এন্টারপ্রাইজ-গ্রেড পরিচালিত OTT সমাধান যাতে DRM, বিজ্ঞাপন সন্নিবেশ, এক থেকে এক ব্যক্তিগত সেশন, ডায়নামিক কন্টেন্ট প্রতিস্থাপন এবং ভিডিও ডেলিভারি অন্তর্ভুক্ত থাকে। ইন্টিগ্রেশন ওয়ার্কফ্লো, গ্লোবাল সাপোর্ট এবং স্কেলকে সহজ করে এবং Azure-এ পাওয়া কিছু অনন্য ক্ষমতা আনলক করে।

উত্স: www.habr.com