AI સાથે 12 નવી Azure મીડિયા સેવાઓ

માઇક્રોસોફ્ટનું મિશન પૃથ્વી પરની દરેક વ્યક્તિ અને સંસ્થાને વધુ હાંસલ કરવા માટે સશક્ત બનાવવાનું છે. મીડિયા ઉદ્યોગ આ મિશનને વાસ્તવિકતા બનાવવાનું એક ઉત્તમ ઉદાહરણ છે. અમે એવા યુગમાં જીવીએ છીએ જ્યાં વધુ સામગ્રી બનાવવામાં અને વપરાશ કરવામાં આવે છે, વધુ રીતે અને વધુ ઉપકરણો પર. IBC 2019 માં, અમે અમે જેના પર કામ કરી રહ્યા છીએ અને તે તમારા મીડિયા અનુભવને કેવી રીતે બદલવામાં મદદ કરી શકે છે તે અમે શેર કર્યું છે.

કટ હેઠળ વિગતો!

આ પૃષ્ઠ ચાલુ છે અમારી વેબસાઇટ.

વિડિઓ ઈન્ડેક્સર હવે એનિમેશન અને બહુભાષી સામગ્રીને સપોર્ટ કરે છે

ગયા વર્ષે IBC ખાતે અમે અમારો એવોર્ડ વિજેતા બન્યો હતો Azure મીડિયા સેવાઓ વિડિયો ઈન્ડેક્સર, અને આ વર્ષે તે વધુ સારું બન્યું. વિડિયો ઈન્ડેક્સર મીડિયા ફાઇલોમાંથી આપમેળે માહિતી અને મેટાડેટા કાઢે છે, જેમ કે બોલાયેલા શબ્દો, ચહેરા, લાગણીઓ, વિષયો અને બ્રાન્ડ્સ અને તેનો ઉપયોગ કરવા માટે તમારે મશીન લર્નિંગ નિષ્ણાત બનવાની જરૂર નથી.

અમારી તાજેતરની ઓફરિંગમાં બે ખૂબ જ માંગવામાં આવતી અને અલગ-અલગ સુવિધાઓના પૂર્વાવલોકનો-એનિમેટેડ કેરેક્ટર રેકગ્નિશન અને બહુભાષી સ્પીચ ટ્રાંસ્ક્રિપ્શન-તેમજ વિડિયો ઈન્ડેક્સરમાં આજે ઉપલબ્ધ મૉડલ્સમાં કેટલાક વધારાનો સમાવેશ થાય છે.

એનિમેટેડ કેરેક્ટર રેકગ્નિશન

એનિમેટેડ સામગ્રી એ સામગ્રીના સૌથી લોકપ્રિય પ્રકારોમાંનું એક છે, પરંતુ માનવ ચહેરાને ઓળખવા માટે રચાયેલ પ્રમાણભૂત કમ્પ્યુટર વિઝન મોડલ્સ તેની સાથે સારી રીતે કામ કરતા નથી, ખાસ કરીને જો સામગ્રીમાં માનવ ચહેરાના લક્ષણો વિનાના પાત્રો હોય. નવું પૂર્વાવલોકન સંસ્કરણ વિડિયો ઈન્ડેક્સરને Microsoft ની Azure કસ્ટમ વિઝન સેવા સાથે જોડે છે, જે મોડલ્સનો નવો સેટ આપે છે જે એનિમેટેડ અક્ષરોને આપમેળે શોધી અને જૂથબદ્ધ કરે છે અને સંકલિત કસ્ટમ વિઝન મોડલ્સનો ઉપયોગ કરીને લેબલ અને ઓળખવામાં સરળ બનાવે છે.

મોડેલો એક જ પાઇપલાઇનમાં સંકલિત કરવામાં આવ્યા છે, જે કોઈપણને કોઈપણ મશીન શિક્ષણ જ્ઞાન વિના સેવાનો ઉપયોગ કરવાની મંજૂરી આપે છે. પરિણામો નો-કોડ વિડિયો ઈન્ડેક્સર પોર્ટલ દ્વારા અથવા તમારી પોતાની એપ્લિકેશન્સમાં ઝડપી એકીકરણ માટે REST API દ્વારા ઉપલબ્ધ છે.

અમે આ મોડેલો એનિમેટેડ પાત્રો સાથે કામ કરવા માટે બનાવ્યાં છે અને કેટલાક ઉપભોક્તાઓ જેમણે તાલીમ અને પરીક્ષણ માટે વાસ્તવિક એનિમેટેડ સામગ્રી પ્રદાન કરી છે. નવી કાર્યક્ષમતાનું મૂલ્ય વાયકોમ ઇન્ટરનેશનલ મીડિયા નેટવર્ક્સના સ્ટુડિયો ટેક્નોલોજી અને પોસ્ટ-પ્રોડક્શનના વરિષ્ઠ નિર્દેશક એન્ડી ગુટેરિજ દ્વારા સારી રીતે રજૂ કરવામાં આવ્યું હતું, જે ડેટા પ્રદાતાઓમાંના એક હતા: “મજબૂત AI-સંચાલિત એનિમેટેડ સામગ્રી શોધનો ઉમેરો પરવાનગી આપશે. અમને અમારી લાઇબ્રેરી સામગ્રીમાંથી પાત્ર મેટાડેટાને ઝડપથી અને અસરકારક રીતે શોધવા અને સૂચિબદ્ધ કરવા.

સૌથી મહત્ત્વની બાબત એ છે કે, તે અમારી સર્જનાત્મક ટીમોને તેઓને જોઈતી સામગ્રી તરત જ શોધવાની ક્ષમતા આપશે, મીડિયાના સંચાલનમાં વિતાવેલો સમય ઓછો કરશે અને તેમને સર્જનાત્મકતા પર ધ્યાન કેન્દ્રિત કરવાની મંજૂરી આપશે."

તમે એનિમેટેડ પાત્ર ઓળખ સાથે પરિચિત થવાનું શરૂ કરી શકો છો દસ્તાવેજીકરણ પૃષ્ઠો.

બહુવિધ ભાષાઓમાં સામગ્રીની ઓળખ અને ટ્રાન્સક્રિપ્શન

કેટલાક મીડિયા સંસાધનો, જેમ કે સમાચાર, ક્રોનિકલ્સ અને ઇન્ટરવ્યુ, વિવિધ ભાષાઓ બોલતા લોકોના રેકોર્ડિંગ્સ ધરાવે છે. મોટાભાગની પ્રવર્તમાન સ્પીચ-ટુ-ટેક્સ્ટ ક્ષમતાઓ માટે ઑડિયો ઓળખની ભાષા અગાઉથી નિર્દિષ્ટ કરવાની જરૂર છે, જેનાથી બહુભાષી વિડિયોનું અનુલેખન કરવું મુશ્કેલ બને છે.

વિવિધ પ્રકારની સામગ્રી માટે અમારી નવી ઓટોમેટિક સ્પોકન લેંગ્વેજ આઇડેન્ટિફિકેશન સુવિધા મીડિયા એસેટ્સમાં જોવા મળતી ભાષાઓને ઓળખવા માટે મશીન લર્નિંગ ટેક્નોલોજીનો ઉપયોગ કરે છે. એકવાર શોધી કાઢ્યા પછી, દરેક ભાષા સેગમેન્ટ આપમેળે યોગ્ય ભાષામાં ટ્રાન્સક્રિપ્શન પ્રક્રિયામાંથી પસાર થાય છે, અને પછી બધા વિભાગોને એક બહુ-ભાષા ટ્રાન્સક્રિપ્શન ફાઇલમાં જોડવામાં આવે છે.

પરિણામી ટ્રાન્સક્રિપ્ટ વિડીયો ઈન્ડેક્સરના JSON આઉટપુટના ભાગ રૂપે અને સબટાઈટલ ફાઈલો તરીકે ઉપલબ્ધ છે. આઉટપુટ ટ્રાન્સક્રિપ્ટ પણ Azure શોધ સાથે સંકલિત છે, જે તમને તમારા વીડિયોમાં વિવિધ ભાષાના સેગમેન્ટ્સ માટે તરત જ શોધવાની મંજૂરી આપે છે. વધુમાં, વિડીયો ઈન્ડેક્સર પોર્ટલ સાથે કામ કરતી વખતે બહુભાષી ટ્રાન્સક્રિપ્શન ઉપલબ્ધ છે, જેથી તમે સમયાંતરે ટ્રાન્સક્રિપ્ટ અને ઓળખાયેલ ભાષા જોઈ શકો અથવા દરેક ભાષા માટે વિડિયોમાં ચોક્કસ સ્થાનો પર જઈ શકો અને વિડિયો ચાલે તેમ કૅપ્શન્સ તરીકે બહુભાષી ટ્રાંસ્ક્રિપ્શન જોઈ શકો. તમે પ્રાપ્ત કરેલ ટેક્સ્ટને પોર્ટલ અને API દ્વારા ઉપલબ્ધ 54 ભાષાઓમાંથી કોઈપણમાં અનુવાદિત પણ કરી શકો છો.

નવી બહુભાષી સામગ્રી ઓળખ સુવિધા વિશે અને વિડિઓ ઇન્ડેક્સરમાં તેનો ઉપયોગ કેવી રીતે થાય છે તે વિશે વધુ જાણો દસ્તાવેજીકરણ વાંચો.

વધારાના અપડેટ અને સુધારેલા મોડલ

અમે વિડિયો ઈન્ડેક્સરમાં નવા મૉડલ પણ ઉમેરી રહ્યાં છીએ અને નીચે વર્ણવેલ મૉડલ સહિત હાલના મોડલ્સમાં સુધારો કરી રહ્યાં છીએ.

લોકો અને સ્થાનો સાથે સંકળાયેલ એકમોને બહાર કાઢવી

પેરિસમાં એફિલ ટાવર અને લંડનમાં બિગ બેન જેવા જાણીતા નામો અને સ્થાનોનો સમાવેશ કરવા માટે અમે અમારી હાલની બ્રાન્ડ શોધ ક્ષમતાઓને વિસ્તૃત કરી છે. જ્યારે તેઓ ઓપ્ટિકલ કેરેક્ટર રેકગ્નિશન (OCR) નો ઉપયોગ કરીને જનરેટ કરેલ ટ્રાન્સક્રિપ્ટમાં અથવા સ્ક્રીન પર દેખાય છે, ત્યારે સંબંધિત માહિતી ઉમેરવામાં આવે છે. આ નવી સુવિધા સાથે, તમે વીડિયોમાં દેખાતા તમામ લોકો, સ્થાનો અને બ્રાન્ડ્સને શોધી શકો છો અને વધુ માહિતી માટે સમય સ્લોટ, વર્ણનો અને Bing સર્ચ એન્જિનની લિંક્સ સહિત તેમના વિશેની વિગતો જોઈ શકો છો.

સંપાદક માટે ફ્રેમ શોધ મોડેલ

આ નવી સુવિધા JSON વિગતોમાં વ્યક્તિગત ફ્રેમ્સ સાથે જોડાયેલા મેટાડેટામાં તેમના સંપાદકીય પ્રકારને રજૂ કરવા માટે "ટેગ્સ" નો સમૂહ ઉમેરે છે (ઉદાહરણ તરીકે, વાઈડ શોટ, મીડિયમ શોટ, ક્લોઝ-અપ, એક્સ્ટ્રીમ ક્લોઝ-અપ, બે શોટ, બહુવિધ લોકો , આઉટડોર, ઇન્ડોર, વગેરે). ક્લિપ્સ અને ટ્રેલર્સ માટે વિડિયો સંપાદિત કરતી વખતે અથવા કલાત્મક હેતુઓ માટે ચોક્કસ શૉટ શૈલીની શોધ કરતી વખતે આ શૉટ પ્રકારની લાક્ષણિકતાઓ ઉપયોગી છે.

વધુ શીખો Video Indexer માં ફ્રેમ પ્રકાર શોધ.

ઉન્નત IPTC મેપિંગ ગ્રેન્યુલારિટી

અમારું વિષય શોધ મોડલ ટ્રાન્સક્રિપ્શન, ઓપ્ટિકલ કેરેક્ટર રેકગ્નિશન (OCR) અને શોધાયેલ હસ્તીઓના આધારે વિડિયોનો વિષય નક્કી કરે છે, પછી ભલે તે વિષય સ્પષ્ટ રીતે ઉલ્લેખિત ન હોય. અમે આ શોધાયેલ વિષયોને ચાર વર્ગીકરણ ક્ષેત્રોમાં નકશા કરીએ છીએ: વિકિપીડિયા, બિંગ, IPTC અને IAB. આ ઉન્નતીકરણ અમને બીજા-સ્તરના IPTC વર્ગીકરણનો સમાવેશ કરવાની મંજૂરી આપે છે.
આ સુધારાઓનો લાભ લેવો એ તમારી વર્તમાન વિડીયો ઈન્ડેક્સર લાઈબ્રેરીને ફરીથી ઈન્ડેક્સ કરવા જેટલું સરળ છે.

નવી લાઇવ સ્ટ્રીમિંગ કાર્યક્ષમતા

Azure મીડિયા સેવાઓ પૂર્વાવલોકનમાં, અમે લાઇવ સ્ટ્રીમિંગ માટે બે નવી સુવિધાઓ પણ ઓફર કરી રહ્યાં છીએ.

AI-સંચાલિત રીઅલ-ટાઇમ ટ્રાન્સક્રિપ્શન લાઇવ સ્ટ્રીમિંગને આગલા સ્તર પર લઈ જાય છે

લાઇવ સ્ટ્રીમિંગ માટે Azure મીડિયા સેવાઓનો ઉપયોગ કરીને, તમે હવે આઉટપુટ સ્ટ્રીમ પ્રાપ્ત કરી શકો છો જેમાં ઑડિઓ અને વિડિયો કન્ટેન્ટ ઉપરાંત ઑટોમૅટિક રીતે જનરેટ થયેલા ટેક્સ્ટ ટ્રૅકનો સમાવેશ થાય છે. આર્ટિફિશિયલ ઇન્ટેલિજન્સ પર આધારિત રીઅલ-ટાઇમ ઑડિયો ટ્રાંસ્ક્રિપ્શનનો ઉપયોગ કરીને ટેક્સ્ટ બનાવવામાં આવે છે. પરિણામોને સુધારવા માટે વાણી-થી-ટેક્સ્ટ રૂપાંતરણ પહેલાં અને પછી કસ્ટમ તકનીકો લાગુ કરવામાં આવે છે. ટેક્સ્ટ ટ્રેક IMSC1, TTML અથવા WebVTT માં પેક કરવામાં આવે છે, તે DASH, HLS CMAF અથવા HLS TS માં સપ્લાય કરવામાં આવે છે તેના આધારે.

24/7 OTT ચેનલો માટે રીઅલ-ટાઇમ લાઇન એન્કોડિંગ

અમારા v3 API નો ઉપયોગ કરીને, તમે OTT (ઓવર-ધ-ટોપ) ચેનલો બનાવી, મેનેજ અને બ્રોડકાસ્ટ કરી શકો છો અને અન્ય તમામ Azure મીડિયા સેવાઓનો ઉપયોગ કરી શકો છો જેમ કે લાઇવ વિડિયો ઓન ડિમાન્ડ (VOD, વિડિયો ઓન ડિમાન્ડ), પેકેજિંગ અને ડિજિટલ રાઇટ્સ મેનેજમેન્ટ ( DRM, ડિજિટલ રાઇટ્સ મેનેજમેન્ટ).
આ સુવિધાઓના પૂર્વાવલોકન સંસ્કરણો જોવા માટે, મુલાકાત લો Azure મીડિયા સેવાઓ સમુદાય.

નવી પેકેજ જનરેશન ક્ષમતાઓ

ઓડિયો વર્ણન ટ્રેક માટે આધાર

બ્રોડકાસ્ટ ચેનલો પર પ્રસારિત થતી સામગ્રીમાં નિયમિત ઓડિયો સિગ્નલ ઉપરાંત સ્ક્રીન પર શું થઈ રહ્યું છે તેના મૌખિક સ્પષ્ટતા સાથેનો ઓડિયો ટ્રેક હોય છે. આનાથી દૃષ્ટિહીન દર્શકો માટે કાર્યક્રમો વધુ સુલભ બને છે, ખાસ કરીને જો સામગ્રી પ્રાથમિક રીતે વિઝ્યુઅલ હોય. નવી ઑડિઓ વર્ણન કાર્ય તમને ઑડિઓ વર્ણન ટ્રૅક (AD, ઑડિઓ વર્ણન) તરીકે ઑડિઓ ટ્રૅકમાંથી એકની ટીકા કરવાની મંજૂરી આપે છે, જે ખેલાડીઓને AD ટ્રૅકને દર્શકો માટે ઉપલબ્ધ કરાવવાની મંજૂરી આપે છે.

ID3 મેટાડેટા દાખલ કરી રહ્યાં છીએ

ક્લાયંટના પ્લેયરને જાહેરાતો અથવા કસ્ટમ મેટાડેટા ઇવેન્ટ્સના નિવેશને સંકેત આપવા માટે, બ્રોડકાસ્ટર્સ ઘણીવાર વિડિયોમાં એમ્બેડ કરેલા સમયબદ્ધ મેટાડેટાનો ઉપયોગ કરે છે. SCTE-35 સિગ્નલિંગ મોડ્સ ઉપરાંત, અમે હવે સપોર્ટ પણ કરીએ છીએ ID3v2 અને અન્ય કસ્ટમ સ્કીમ, ક્લાયંટ એપ્લિકેશન દ્વારા ઉપયોગ માટે એપ્લિકેશન ડેવલપર દ્વારા વ્યાખ્યાયિત.

Microsoft Azure પાર્ટનર્સ એન્ડ-ટુ-એન્ડ સોલ્યુશન્સ દર્શાવે છે

બિટમોવિન Microsoft Azure માટે Bitmovin Video Encoding અને Bitmovin Video Player રજૂ કરે છે. ગ્રાહકો હવે Azure માં આ એન્કોડિંગ અને પ્લેઆઉટ સોલ્યુશન્સનો લાભ લઈ શકે છે અને અદ્યતન સુવિધાઓ જેમ કે થ્રી-સ્ટેજ એન્કોડિંગ, AV1/VC કોડેક સપોર્ટ, બહુભાષી સબટાઈટલ્સ અને QoS, જાહેરાત અને વિડિયો ટ્રેકિંગ માટે પ્રી-ઈન્ટિગ્રેટેડ વિડિયો એનાલિટિક્સનો લાભ લઈ શકે છે.

એવરજન્ટ Azure પર તેનું યુઝર લાઇફસાઇકલ મેનેજમેન્ટ પ્લેટફોર્મ દર્શાવે છે. આવક અને ગ્રાહક જીવનચક્ર વ્યવસ્થાપન સોલ્યુશન્સના અગ્રણી પ્રદાતા તરીકે, એવરજન્ટ ગ્રાહક જીવનચક્રમાં નિર્ણાયક બિંદુઓ પર લક્ષ્યાંકિત સેવા પેકેજો અને ઑફર્સ બનાવીને પ્રીમિયમ મનોરંજન પ્રદાતાઓને ગ્રાહક સંપાદન અને જાળવણીમાં સુધારો કરવામાં મદદ કરવા Azure AI નો ઉપયોગ કરે છે.

હેવિઝન તેની બુદ્ધિશાળી ક્લાઉડ-આધારિત મીડિયા રૂટીંગ સેવા, SRT હબ પ્રદર્શિત કરશે, જે ગ્રાહકોને અંત-થી-એન્ડ વર્કફ્લોને રૂપાંતરિત કરવામાં મદદ કરે છે. એઝ્યુર ડેટા બોક્સ એજ અને Avid, Telestream, Wowza, Cinegy અને Make.tv ના હબલેટ્સ સાથે વર્કફ્લોનું પરિવર્તન.

એસઇએસ તેના સેટેલાઇટ અને સંચાલિત મીડિયા સેવાઓ ગ્રાહકો માટે Azure પ્લેટફોર્મ પર બ્રોડકાસ્ટ-ગ્રેડ મીડિયા સેવાઓનો એક સ્યુટ વિકસાવ્યો છે. એસઇએસ એઝ્યુર પર માસ્ટર પ્લેઆઉટ, સ્થાનિક પ્લેઆઉટ, એડ ડિસ્કવરી અને રિપ્લેસમેન્ટ અને ઉચ્ચ-ગુણવત્તાવાળા રીઅલ-ટાઇમ 24x7 મલ્ટિ-ચેનલ એન્કોડિંગ સહિત સંપૂર્ણ રીતે સંચાલિત પ્લેઆઉટ સેવાઓ માટે ઉકેલો દર્શાવશે.

સિંકવર્ડ્સ Azure પર અનુકૂળ ક્લાઉડ ટૂલ્સ અને સિગ્નેચર ઓટોમેશન ટેકનોલોજી ઉપલબ્ધ કરાવે છે. આ ઑફરિંગ મીડિયા સંસ્થાઓ માટે Azure પરના તેમના લાઇવ અને ઑફલાઇન વિડિયો વર્કફ્લોમાં વિદેશી ભાષાના સબટાઈટલ સહિત ઑટોમૅટિક રીતે સબટાઈટલ ઉમેરવાનું સરળ બનાવશે.
આંતરરાષ્ટ્રીય કંપની ટાટા એલક્સસી, એક ટેક્નોલોજી સેવા કંપની, ક્લાઉડમાંથી OTT સામગ્રી પહોંચાડવા માટે તેના OTT SaaS પ્લેટફોર્મ TEPlay ને Azure મીડિયા સેવાઓમાં એકીકૃત કર્યું છે. ટાટા એલ્ક્સસીએ તેના ફાલ્કન આઇ ક્વોલિટી ઑફ એક્સપિરિયન્સ (QoE) મોનિટરિંગ સોલ્યુશનને માઇક્રોસોફ્ટ એઝ્યુર માટે પણ લાવ્યું છે, જે નિર્ણય લેવા માટે વિશ્લેષણ અને મેટ્રિક્સ પ્રદાન કરે છે.

વેરાઇઝન મીડિયા તેનું સ્ટ્રીમિંગ પ્લેટફોર્મ Azure પર બીટા રિલીઝ તરીકે ઉપલબ્ધ કરાવી રહ્યું છે. Verizon Media Platform એ એન્ટરપ્રાઇઝ-ગ્રેડ સંચાલિત OTT સોલ્યુશન છે જેમાં DRM, જાહેરાત નિવેશ, એક-થી-એક વ્યક્તિગત સત્રો, ડાયનેમિક કન્ટેન્ટ રિપ્લેસમેન્ટ અને વિડિયો ડિલિવરીનો સમાવેશ થાય છે. એકીકરણ વર્કફ્લો, વૈશ્વિક સમર્થન અને સ્કેલને સરળ બનાવે છે અને Azure માં જોવા મળતી કેટલીક અનન્ય ક્ષમતાઓને અનલૉક કરે છે.

સોર્સ: www.habr.com