आर्टिफिसियल इन्टेलिजेन्सका साथ १२ नयाँ Azure मिडिया सेवाहरू

माइक्रोसफ्टको मिशन भनेको यस ग्रहमा प्रत्येक व्यक्ति र संस्थालाई थप हासिल गर्न सशक्त बनाउनु हो। मिडिया उद्योग यो मिसनलाई वास्तविकता बनाउनको लागि उत्कृष्ट उदाहरण हो। हामी यस्तो युगमा बाँचिरहेका छौं जहाँ धेरै सामग्रीहरू सिर्जना र खपत भइरहेको छ, धेरै तरिकामा र थप उपकरणहरूमा। IBC 2019 मा, हामीले काम गरिरहेका नवीनतम आविष्कारहरू र तिनीहरूले तपाईंको मिडिया अनुभवलाई कसरी परिवर्तन गर्न मद्दत गर्न सक्छन् भन्ने कुरा साझा गर्यौं।

कट अन्तर्गत विवरण!

यो पेज अन छ हाम्रो वेबसाइट।

भिडियो अनुक्रमणिकाले अब एनिमेसन र बहुभाषी सामग्री समर्थन गर्दछ

गत वर्ष IBC मा हामीले हाम्रो अवार्ड जित्यौं Azure Media Services Video Indexer, र यो वर्ष यो अझ राम्रो भयो। भिडियो इन्डेक्सरले स्वचालित रूपमा मिडिया फाइलहरूबाट जानकारी र मेटाडेटा निकाल्छ, जस्तै बोल्ने शब्दहरू, अनुहारहरू, भावनाहरू, विषयहरू, र ब्रान्डहरू, र यसलाई प्रयोग गर्न तपाईं मेसिन लर्निङ विशेषज्ञ हुनु आवश्यक छैन।

हाम्रा नवीनतम प्रस्तावहरूमा दुई उच्च खोजी गरिएका र विभेदित सुविधाहरूको पूर्वावलोकनहरू - एनिमेटेड क्यारेक्टर पहिचान र बहुभाषी स्पीच ट्रान्सक्रिप्शन - साथै भिडियो इन्डेक्सरमा आज उपलब्ध अवस्थित मोडेलहरूमा धेरै थपहरू समावेश छन्।

एनिमेटेड क्यारेक्टर पहिचान

एनिमेटेड सामग्री सामग्रीको सबैभन्दा लोकप्रिय प्रकारहरू मध्ये एक हो, तर मानव अनुहारहरू पहिचान गर्न डिजाइन गरिएको मानक कम्प्युटर भिजन मोडेलहरू यसमा राम्रोसँग काम गर्दैनन्, विशेष गरी यदि सामग्रीमा मानव अनुहारको विशेषताहरू बिना वर्णहरू छन् भने। नयाँ पूर्वावलोकन संस्करणले भिडियो इन्डेक्सरलाई माइक्रोसफ्टको Azure कस्टम भिजन सेवासँग संयोजन गर्दछ, मोडेलहरूको नयाँ सेट प्रदान गर्दछ जसले स्वचालित रूपमा एनिमेटेड क्यारेक्टरहरू पत्ता लगाउँदछ र समूहबद्ध गर्दछ र तिनीहरूलाई एकीकृत कस्टम भिजन मोडेलहरू प्रयोग गरेर लेबल गर्न र पहिचान गर्न सजिलो बनाउँदछ।

मोडेलहरू एउटै पाइपलाइनमा एकीकृत छन्, जसले कुनै पनि मेसिन लर्निङ ज्ञान बिना सेवा प्रयोग गर्न अनुमति दिन्छ। नतिजाहरू नो-कोड भिडियो इन्डेक्सर पोर्टल वा REST API मार्फत तपाईंको आफ्नै अनुप्रयोगहरूमा द्रुत एकीकरणको लागि उपलब्ध छन्।

हामीले प्रशिक्षण र परीक्षणको लागि वास्तविक एनिमेटेड सामग्री प्रदान गर्ने केही उपभोक्ताहरूसँग एनिमेटेड क्यारेक्टरहरूसँग काम गर्न यी मोडेलहरू निर्माण गरेका छौं। नयाँ कार्यक्षमताको मूल्य एन्डी गुटेरिज, स्टुडियो टेक्नोलोजीका वरिष्ठ निर्देशक र भायाकम इन्टरनेशनल मिडिया नेटवर्कमा पोस्ट-उत्पादन, जो डाटा प्रदायकहरू मध्ये एक थिए, द्वारा राम्रोसँग संक्षेप गरिएको थियो: "बलियो एआई-संचालित एनिमेटेड सामग्री खोजको थपले अनुमति दिन्छ। हामीलाई छिटो र कुशलतापूर्वक हाम्रो पुस्तकालय सामग्रीबाट क्यारेक्टर मेटाडेटा फेला पार्न र क्याटलग गर्न।

सबैभन्दा महत्त्वपूर्ण कुरा, यसले हाम्रा रचनात्मक टोलीहरूलाई उनीहरूलाई आवश्यक सामग्री तुरुन्तै फेला पार्ने क्षमता दिनेछ, मिडिया प्रबन्धनमा समय बिताउने र उनीहरूलाई रचनात्मकतामा ध्यान केन्द्रित गर्न अनुमति दिनेछ।

तपाईं एनिमेटेड क्यारेक्टर पहिचानको साथ परिचित हुन सुरु गर्न सक्नुहुन्छ कागजात पृष्ठहरू.

धेरै भाषाहरूमा सामग्रीको पहिचान र ट्रान्सक्रिप्शन

केही मिडिया स्रोतहरू, जस्तै समाचार, इतिहास र अन्तर्वार्ताहरूमा विभिन्न भाषा बोल्ने व्यक्तिहरूको रेकर्डिङहरू समावेश हुन्छन्। धेरैजसो अवस्थित स्पीच-टू-टेक्स्ट क्षमताहरूलाई अडियो पहिचान भाषा पहिले नै निर्दिष्ट गर्न आवश्यक छ, यसले बहुभाषी भिडियोहरू ट्रान्सक्राइब गर्न गाह्रो बनाउँछ।

विभिन्न प्रकारका सामग्रीका लागि हाम्रो नयाँ स्वचालित स्पोकन ल्याङ्ग्वेज आइडेन्टिफिकेसन सुविधाले मिडिया एसेटमा पाइने भाषाहरू पहिचान गर्न मेसिन लर्निङ प्रविधि प्रयोग गर्छ। एक पटक पत्ता लागेपछि, प्रत्येक भाषा खण्ड स्वचालित रूपमा उपयुक्त भाषामा ट्रान्सक्रिप्शन प्रक्रिया मार्फत जान्छ, र त्यसपछि सबै खण्डहरू एकल बहु-भाषा ट्रान्सक्रिप्शन फाइलमा जोडिन्छन्।

नतिजा ट्रान्सक्रिप्ट भिडियो इन्डेक्सरको JSON आउटपुटको अंश र उपशीर्षक फाइलहरूको रूपमा उपलब्ध छ। आउटपुट ट्रान्सक्रिप्टलाई Azure खोजसँग पनि एकीकृत गरिएको छ, जसले तपाईंलाई तुरुन्तै तपाईंको भिडियोहरूमा विभिन्न भाषा खण्डहरू खोज्न अनुमति दिन्छ। थप रूपमा, भिडियो इन्डेक्सर पोर्टलसँग काम गर्दा बहुभाषी ट्रान्सक्रिप्सन उपलब्ध हुन्छ, त्यसैले तपाईंले समयसँगै ट्रान्सक्रिप्ट र पहिचान गरिएको भाषा हेर्न सक्नुहुन्छ, वा प्रत्येक भाषाको लागि भिडियोमा निर्दिष्ट स्थानहरूमा जानुहोस् र भिडियो प्ले हुँदा क्याप्सनको रूपमा बहुभाषी ट्रान्सक्रिप्सन हेर्नुहोस्। तपाईले प्राप्त पाठलाई पोर्टल र API मार्फत उपलब्ध 54 भाषाहरू मध्ये कुनै पनि भाषामा अनुवाद गर्न सक्नुहुन्छ।

नयाँ बहुभाषी सामग्री पहिचान सुविधा र भिडियो इन्डेक्सरमा कसरी प्रयोग गरिन्छ भन्ने बारे थप जान्नुहोस् कागजात पढ्नुहोस्.

थप अद्यावधिक र सुधारिएको मोडेलहरू

हामी भिडियो इन्डेक्सरमा नयाँ मोडेलहरू थप्दैछौं र अवस्थित मोडेलहरू सुधार गर्दैछौं, जसमा तल वर्णन गरिएको छ।

व्यक्ति र स्थानहरूसँग सम्बन्धित निकायहरू निकाल्दै

हामीले पेरिसको एफिल टावर र लन्डनको बिग बेन जस्ता प्रख्यात नाम र स्थानहरू समावेश गर्न हाम्रो अवस्थित ब्रान्ड खोज क्षमताहरू विस्तार गरेका छौं। जब तिनीहरू उत्पन्न ट्रान्सक्रिप्टमा वा अप्टिकल क्यारेक्टर पहिचान (OCR) प्रयोग गरेर स्क्रिनमा देखा पर्छन्, सान्दर्भिक जानकारी थपिन्छ। यस नयाँ सुविधाको साथ, तपाईंले भिडियोमा देखा परेका सबै मानिसहरू, ठाउँहरू र ब्रान्डहरू खोज्न सक्नुहुन्छ र थप जानकारीको लागि Bing खोज इन्जिनमा टाइम स्लटहरू, विवरणहरू, र लिङ्कहरू सहित तिनीहरूको बारेमा विवरणहरू हेर्न सक्नुहुन्छ।

सम्पादकको लागि फ्रेम पत्ता लगाउने मोडेल

यो नयाँ सुविधाले JSON विवरणहरूमा व्यक्तिगत फ्रेमहरूमा संलग्न मेटाडेटामा "ट्यागहरू" को सेट थप्छ तिनीहरूको सम्पादकीय प्रकार (उदाहरणका लागि, फराकिलो शट, मध्यम शट, क्लोज-अप, चरम क्लोज-अप, दुई शटहरू, धेरै व्यक्तिहरू) प्रतिनिधित्व गर्न। , बाहिरी, घर भित्र, आदि)। क्लिप र ट्रेलरहरूको लागि भिडियो सम्पादन गर्दा, वा कलात्मक उद्देश्यका लागि विशेष शट शैली खोज्दा यी शट प्रकारका विशेषताहरू उपयोगी हुन्छन्।

अझै सिक भिडियो इन्डेक्सरमा फ्रेम प्रकार पत्ता लगाउने।

परिष्कृत IPTC म्यापिङ ग्रेन्युलारिटी

हाम्रो विषय पत्ता लगाउने मोडेलले ट्रान्सक्रिप्शन, अप्टिकल क्यारेक्टर रिकग्निसन (OCR), र पत्ता लगाएका सेलिब्रेटीहरूको आधारमा भिडियोको विषय निर्धारण गर्छ, विषय स्पष्ट रूपमा तोकिएको छैन भने पनि। हामीले यी पत्ता लगाइएका विषयहरूलाई चार वर्गीकरण क्षेत्रहरूमा नक्सा गर्छौं: Wikipedia, Bing, IPTC, र IAB। यो वृद्धिले हामीलाई दोस्रो-स्तर IPTC वर्गीकरण समावेश गर्न अनुमति दिन्छ।
यी सुधारहरूको फाइदा उठाउँदै तपाईंको हालको भिडियो इन्डेक्सर लाइब्रेरी पुन: अनुक्रमणिका जत्तिकै सजिलो छ।

नयाँ लाइभ स्ट्रिमिङ कार्यक्षमता

Azure Media Services पूर्वावलोकनमा, हामी लाइभ स्ट्रिमिङका लागि दुई नयाँ सुविधाहरू पनि प्रदान गर्दैछौं।

AI-संचालित वास्तविक-समय ट्रान्सक्रिप्शनले लाइभ स्ट्रिमिङलाई अर्को स्तरमा लैजान्छ

लाइभ स्ट्रिमिङका लागि Azure मिडिया सेवाहरू प्रयोग गरेर, तपाईंले अब आउटपुट स्ट्रिम प्राप्त गर्न सक्नुहुन्छ जसमा अडियो र भिडियो सामग्रीको अतिरिक्त स्वचालित रूपमा उत्पन्न पाठ ट्र्याक समावेश छ। पाठ कृत्रिम बुद्धिमा आधारित वास्तविक-समय अडियो ट्रान्सक्रिप्शन प्रयोग गरेर सिर्जना गरिएको हो। नतिजाहरू सुधार गर्नको लागि बोली-देखि-पाठ रूपान्तरण अघि र पछि अनुकूलन प्रविधिहरू लागू गरिन्छ। पाठ ट्र्याक IMSC1, TTML वा WebVTT मा प्याकेज गरिएको छ, यो DASH, HLS CMAF वा HLS TS मा आपूर्ति गरिएको छ कि छैन भन्ने आधारमा।

24/7 OTT च्यानलहरूको लागि वास्तविक-समय लाइन इन्कोडिङ

हाम्रो v3 API हरू प्रयोग गरेर, तपाईंले OTT (ओभर-द-टप) च्यानलहरू सिर्जना गर्न, व्यवस्थापन गर्न र प्रसारण गर्न सक्नुहुन्छ, र अन्य सबै Azure मिडिया सेवाहरू प्रयोग गर्न सक्नुहुन्छ जस्तै लाइभ भिडियो अन डिमान्ड (VOD, भिडियो अन डिमान्ड), प्याकेजिङ्ग र डिजिटल अधिकार व्यवस्थापन (। DRM, डिजिटल अधिकार व्यवस्थापन)।
यी सुविधाहरूको पूर्वावलोकन संस्करणहरू हेर्न, भ्रमण गर्नुहोस् Azure मिडिया सेवा समुदाय.

नयाँ प्याकेज उत्पादन क्षमताहरू

अडियो विवरण ट्र्याकहरूको लागि समर्थन

प्रसारण च्यानलहरूमा प्रसारण हुने सामग्रीमा प्रायः नियमित अडियो सङ्केतको अतिरिक्त स्क्रिनमा के भइरहेको छ भन्ने मौखिक व्याख्या भएको अडियो ट्र्याक हुन्छ। यसले कार्यक्रमहरूलाई दृष्टिविहीन दर्शकहरूलाई अझ पहुँचयोग्य बनाउँछ, विशेष गरी यदि सामग्री मुख्य रूपमा दृश्य हो। नयाँ अडियो विवरण प्रकार्य तपाइँलाई अडियो विवरण ट्र्याक (AD, अडियो विवरण) को रूपमा अडियो ट्र्याकहरू एनोटेट गर्न अनुमति दिन्छ, खेलाडीहरूलाई दर्शकहरूलाई AD ट्र्याक उपलब्ध गराउन अनुमति दिन्छ।

ID3 मेटाडेटा सम्मिलित गर्दै

ग्राहकको प्लेयरमा विज्ञापन वा अनुकूलन मेटाडेटा घटनाहरू सम्मिलित गर्न संकेत गर्न, प्रसारकहरूले भिडियोमा इम्बेड गरिएको समयबद्ध मेटाडेटा प्रयोग गर्छन्। SCTE-35 सिग्नलिङ मोडहरूको अतिरिक्त, हामी अब पनि समर्थन गर्छौं ID3v2 र अन्य अनुकूलन योजनाहरू, ग्राहक अनुप्रयोग द्वारा प्रयोगको लागि अनुप्रयोग विकासकर्ता द्वारा परिभाषित।

Microsoft Azure साझेदारहरूले अन्त-देखि-अन्त समाधानहरू प्रदर्शन गर्छन्

बिटमोभिन Microsoft Azure को लागि Bitmovin भिडियो एन्कोडिङ र Bitmovin भिडियो प्लेयर परिचय गर्दछ। ग्राहकहरूले अब Azure मा यी एन्कोडिङ र प्लेआउट समाधानहरूको लाभ उठाउन सक्छन् र उन्नत सुविधाहरू जस्तै तीन-चरण इन्कोडिङ, AV1/VC कोडेक समर्थन, बहुभाषी उपशीर्षकहरू, र QoS, विज्ञापन, र भिडियो ट्र्याकिङका लागि पूर्व-एकीकृत भिडियो विश्लेषणहरूबाट लाभ उठाउन सक्छन्।

Evergent Azure मा यसको प्रयोगकर्ता जीवनचक्र व्यवस्थापन प्लेटफर्म प्रदर्शन गर्दछ। राजस्व र ग्राहक जीवनचक्र व्यवस्थापन समाधानहरूको एक अग्रणी प्रदायकको रूपमा, Evergent ले प्रिमियम मनोरञ्जन प्रदायकहरूलाई लक्षित सेवा प्याकेजहरू र ग्राहक जीवनचक्रमा महत्वपूर्ण बिन्दुहरूमा प्रस्तावहरू सिर्जना गरेर ग्राहक प्राप्ति र प्रतिधारण सुधार गर्न मद्दत गर्न Azure AI प्रयोग गर्दछ।

हाइभिजन यसको बुद्धिमान क्लाउड-आधारित मिडिया राउटिङ सेवा, SRT हब प्रदर्शन गर्नेछ, जसले ग्राहकहरूलाई अन्त-देखि-अन्त कार्यप्रवाहहरू प्रयोग गरेर रूपान्तरण गर्न मद्दत गर्दछ। Azure डाटा बक्स किनारा र Avid, Telestream, Wowza, Cinegy र Make.tv बाट Hublets संग कार्यप्रवाह रूपान्तरण।

एसईएस आफ्नो स्याटेलाइट र व्यवस्थित मिडिया सेवा ग्राहकहरु को लागी Azure प्लेटफर्म मा प्रसारण ग्रेड मिडिया सेवाहरु को एक सूट को विकास गरेको छ। SES ले मास्टर प्लेआउट, स्थानीयकृत प्लेआउट, विज्ञापन खोज र प्रतिस्थापन, र Azure मा उच्च गुणस्तरको वास्तविक समय 24x7 मल्टि-च्यानल इन्कोडिङ सहित पूर्ण रूपमा व्यवस्थित प्लेआउट सेवाहरूका लागि समाधानहरू प्रदर्शन गर्नेछ।

SyncWords Azure मा सुविधाजनक क्लाउड उपकरण र हस्ताक्षर स्वचालन प्रविधि उपलब्ध गराउँछ। यी प्रस्तावहरूले मिडिया संस्थाहरूलाई Azure मा तिनीहरूको लाइभ र अफलाइन भिडियो कार्यप्रवाहहरूमा विदेशी भाषा उपशीर्षकहरू सहित स्वचालित रूपमा उपशीर्षकहरू थप्न सजिलो बनाउँदछ।
अन्तर्राष्ट्रिय कम्पनी टाटा एलक्ससीटेक्नोलोजी सेवा कम्पनीले आफ्नो OTT SaaS प्लेटफर्म TEPlay लाई Azure Media Services मा क्लाउडबाट OTT सामग्री वितरण गर्न एकीकृत गरेको छ। Tata Elxsi ले Microsoft Azure मा आफ्नो Falcon Eye क्वालिटी अफ एक्सपिरियन्स (QoE) निगरानी समाधान पनि ल्याएको छ, जसले निर्णय लिनका लागि विश्लेषण र मेट्रिक्स उपलब्ध गराएको छ।

भेरिजन मिडिया बिटा रिलीजको रूपमा Azure मा यसको स्ट्रिमिङ प्लेटफर्म उपलब्ध गराउँदैछ। Verizon Media Platform एक इन्टरप्राइज-ग्रेड व्यवस्थित OTT समाधान हो जसमा DRM, विज्ञापन सम्मिलन, एक-देखि-एक व्यक्तिगत सत्र, गतिशील सामग्री प्रतिस्थापन, र भिडियो डेलिभरी समावेश छ। एकीकरणले कार्यप्रवाह, विश्वव्यापी समर्थन र स्केललाई सरल बनाउँछ, र Azure मा पाइने केही अद्वितीय क्षमताहरूलाई अनलक गर्छ।

स्रोत: www.habr.com