ภารกิจของ Microsoft คือการเสริมศักยภาพให้กับทุกคนและองค์กรทั่วโลกให้ประสบความสำเร็จมากขึ้น อุตสาหกรรมสื่อเป็นตัวอย่างที่ดีในการทำให้ภารกิจนี้เป็นจริง เราอยู่ในยุคที่มีการสร้างและบริโภคเนื้อหามากขึ้น ในรูปแบบที่มากขึ้นและบนอุปกรณ์ที่มากขึ้น ที่ IBC 2019 เราได้แบ่งปันนวัตกรรมล่าสุดที่เรากำลังดำเนินการอยู่ และวิธีที่นวัตกรรมเหล่านี้จะช่วยเปลี่ยนแปลงประสบการณ์สื่อของคุณ
รายละเอียดใต้คัท!
หน้านี้เปิดอยู่
Video Indexer รองรับแอนิเมชั่นและเนื้อหาหลายภาษาแล้ว
ปีที่แล้วที่ IBC เราได้รับรางวัล และปีนี้ก็ดีขึ้นไปอีก Video Indexer จะดึงข้อมูลและข้อมูลเมตาจากไฟล์สื่อ เช่น คำพูด ใบหน้า อารมณ์ หัวข้อ และแบรนด์โดยอัตโนมัติ และคุณไม่จำเป็นต้องเป็นผู้เชี่ยวชาญด้านการเรียนรู้ของเครื่องเพื่อใช้งาน
ข้อเสนอล่าสุดของเราประกอบด้วยการแสดงตัวอย่างคุณลักษณะที่แตกต่างและเป็นที่ต้องการอย่างมากสองประการ ได้แก่ การจดจำอักขระแบบเคลื่อนไหวและการถอดเสียงพูดหลายภาษา ตลอดจนส่วนเพิ่มเติมหลายรายการในโมเดลที่มีอยู่ในปัจจุบันใน Video Indexer
การรู้จำตัวละครแบบเคลื่อนไหว
เนื้อหาแบบเคลื่อนไหวเป็นเนื้อหาประเภทหนึ่งที่ได้รับความนิยมมากที่สุด แต่โมเดลคอมพิวเตอร์วิทัศน์มาตรฐานที่ออกแบบมาเพื่อจดจำใบหน้ามนุษย์จะทำงานได้ไม่ดีนัก โดยเฉพาะอย่างยิ่งหากเนื้อหามีอักขระที่ไม่มีใบหน้าของมนุษย์ เวอร์ชันตัวอย่างใหม่ผสมผสาน Video Indexer เข้ากับบริการ Azure Custom Vision ของ Microsoft ซึ่งนำเสนอชุดรูปแบบใหม่ที่ตรวจจับและจัดกลุ่มตัวละครเคลื่อนไหวโดยอัตโนมัติ และทำให้ง่ายต่อการติดป้ายกำกับและจดจำโดยใช้โมเดลการมองเห็นแบบกำหนดเองที่ผสานรวม
โมเดลต่างๆ ได้รับการผสานรวมเป็นไปป์ไลน์เดียว ช่วยให้ทุกคนใช้บริการได้โดยไม่ต้องมีความรู้ด้านแมชชีนเลิร์นนิง ผลลัพธ์สามารถดูได้ผ่านพอร์ทัล Video Indexer ที่ไม่มีโค้ดหรือผ่าน REST API เพื่อการรวมเข้ากับแอปพลิเคชันของคุณอย่างรวดเร็ว
เราสร้างโมเดลเหล่านี้เพื่อทำงานร่วมกับตัวละครที่เคลื่อนไหวได้ร่วมกับผู้บริโภคบางรายที่จัดเตรียมเนื้อหาแอนิเมชั่นจริงสำหรับการฝึกอบรมและการทดสอบ Andy Gutterridge ผู้อำนวยการอาวุโสฝ่ายเทคโนโลยีสตูดิโอและหลังการผลิตของ Viacom International Media Networks ซึ่งเป็นหนึ่งในผู้ให้บริการข้อมูลได้สรุปคุณค่าของฟังก์ชันการทำงานใหม่ไว้อย่างดีว่า "การเพิ่มการค้นพบเนื้อหาแอนิเมชั่นที่ขับเคลื่อนด้วย AI ที่แข็งแกร่งจะช่วยให้ เราค้นหาและจัดทำแค็ตตาล็อกข้อมูลเมตาของอักขระจากเนื้อหาห้องสมุดของเราได้อย่างรวดเร็วและมีประสิทธิภาพ
สิ่งสำคัญที่สุดคือจะช่วยให้ทีมสร้างสรรค์ของเราสามารถค้นหาเนื้อหาที่ต้องการได้ทันที ลดเวลาในการจัดการสื่อ และทำให้พวกเขามุ่งเน้นไปที่ความคิดสร้างสรรค์ได้”
คุณสามารถเริ่มทำความคุ้นเคยกับการจดจำตัวละครแบบเคลื่อนไหวได้ด้วย .
การระบุและการถอดความเนื้อหาในหลายภาษา
แหล่งข้อมูลสื่อบางอย่าง เช่น ข่าว บันทึกเหตุการณ์ และบทสัมภาษณ์ มีบันทึกของผู้คนที่พูดภาษาต่างกัน ความสามารถในการแปลงคำพูดเป็นข้อความที่มีอยู่ส่วนใหญ่จำเป็นต้องระบุภาษาการจดจำเสียงล่วงหน้า ซึ่งทำให้ยากต่อการถอดเสียงวิดีโอหลายภาษา
คุณสมบัติการระบุภาษาที่พูดอัตโนมัติใหม่ของเราสำหรับเนื้อหาประเภทต่างๆ ใช้เทคโนโลยีการเรียนรู้ของเครื่องเพื่อระบุภาษาที่พบในเนื้อหาสื่อ เมื่อตรวจพบแล้ว แต่ละส่วนของภาษาจะเข้าสู่กระบวนการถอดเสียงในภาษาที่เหมาะสมโดยอัตโนมัติ จากนั้นทุกส่วนจะรวมกันเป็นไฟล์การถอดเสียงหลายภาษาไฟล์เดียว
การถอดเสียงที่ได้จะพร้อมใช้งานโดยเป็นส่วนหนึ่งของเอาต์พุต JSON ของ Video Indexer และในรูปแบบไฟล์คำบรรยาย การถอดเสียงเอาต์พุตยังรวมเข้ากับ Azure Search อีกด้วย ทำให้คุณสามารถค้นหาส่วนภาษาต่างๆ ในวิดีโอของคุณได้ทันที นอกจากนี้ การถอดเสียงเป็นคำหลายภาษายังใช้งานได้เมื่อทำงานร่วมกับพอร์ทัล Video Indexer ดังนั้นคุณจึงสามารถดูการถอดเสียงและภาษาที่ระบุเมื่อเวลาผ่านไป หรือข้ามไปยังตำแหน่งเฉพาะในวิดีโอสำหรับแต่ละภาษา และดูการถอดเสียงเป็นหลายภาษาเป็นคำอธิบายภาพในขณะที่เล่นวิดีโอ คุณยังสามารถแปลข้อความที่ได้รับเป็นภาษาใดก็ได้จาก 54 ภาษาที่มีอยู่ผ่านพอร์ทัลและ API
เรียนรู้เพิ่มเติมเกี่ยวกับคุณลักษณะการจดจำเนื้อหาหลายภาษาใหม่ และวิธีการใช้งานในตัวสร้างดัชนีวิดีโอ .
รุ่นที่ได้รับการปรับปรุงและปรับปรุงเพิ่มเติม
นอกจากนี้ เรายังเพิ่มโมเดลใหม่ๆ ให้กับ Video Indexer และปรับปรุงโมเดลที่มีอยู่ รวมถึงโมเดลที่อธิบายไว้ด้านล่าง
การแยกเอนทิตีที่เกี่ยวข้องกับผู้คนและสถานที่
เราได้ขยายความสามารถในการค้นหาแบรนด์ที่มีอยู่ให้ครอบคลุมชื่อและสถานที่ที่มีชื่อเสียง เช่น หอไอเฟลในปารีสและบิ๊กเบนในลอนดอน เมื่อปรากฏในข้อความถอดเสียงที่สร้างขึ้นหรือบนหน้าจอโดยใช้การรู้จำอักขระด้วยแสง (OCR) ข้อมูลที่เกี่ยวข้องจะถูกเพิ่ม ด้วยฟีเจอร์ใหม่นี้ คุณสามารถค้นหาผู้คน สถานที่ และแบรนด์ทั้งหมดที่ปรากฏในวิดีโอ และดูรายละเอียดเกี่ยวกับสถานที่เหล่านั้น รวมถึงช่วงเวลา คำอธิบาย และลิงก์ไปยังเครื่องมือค้นหาของ Bing เพื่อดูข้อมูลเพิ่มเติม
โมเดลการตรวจจับเฟรมสำหรับบรรณาธิการ
คุณลักษณะใหม่นี้จะเพิ่มชุด "แท็ก" ให้กับข้อมูลเมตาที่แนบมากับแต่ละเฟรมในรายละเอียด JSON เพื่อแสดงถึงประเภทบรรณาธิการ (เช่น ภาพมุมกว้าง ภาพขนาดกลาง ภาพระยะใกล้ ภาพระยะใกล้มาก ภาพสองภาพ หลายคน , กลางแจ้ง, ในอาคาร ฯลฯ) ลักษณะเฉพาะของประเภทช็อตเหล่านี้มีประโยชน์เมื่อตัดต่อวิดีโอสำหรับคลิปและตัวอย่าง หรือเมื่อมองหาสไตล์ช็อตเฉพาะเพื่อจุดประสงค์ทางศิลปะ
การตรวจจับประเภทเฟรมในตัวสร้างดัชนีวิดีโอ
รายละเอียดการทำแผนที่ IPTC ที่ได้รับการปรับปรุง
โมเดลการตรวจจับหัวข้อของเราจะกำหนดหัวข้อของวิดีโอตามการถอดเสียง การรู้จำอักขระด้วยแสง (OCR) และคนดังที่ตรวจพบ แม้ว่าหัวข้อจะไม่ได้ระบุอย่างชัดเจนก็ตาม เราแมปหัวข้อที่ตรวจพบเหล่านี้กับหมวดหมู่สี่ประเภท: Wikipedia, Bing, IPTC และ IAB การปรับปรุงนี้ช่วยให้เรารวมการจำแนก IPTC ระดับที่สองได้
การใช้ประโยชน์จากการปรับปรุงเหล่านี้ทำได้ง่ายพอๆ กับการสร้างดัชนีไลบรารี Video Indexer ปัจจุบันของคุณใหม่
ฟังก์ชั่นการถ่ายทอดสดแบบใหม่
ในการแสดงตัวอย่าง Azure Media Services เรายังนำเสนอคุณลักษณะใหม่สองประการสำหรับการสตรีมแบบสดอีกด้วย
การถอดเสียงแบบเรียลไทม์ที่ขับเคลื่อนด้วย AI ยกระดับการสตรีมสดไปอีกระดับ
เมื่อใช้ Azure Media Services สำหรับการสตรีมสด ตอนนี้คุณสามารถรับสตรีมเอาต์พุตที่มีแทร็กข้อความที่สร้างขึ้นโดยอัตโนมัติ นอกเหนือจากเนื้อหาเสียงและวิดีโอ ข้อความถูกสร้างขึ้นโดยใช้การถอดเสียงแบบเรียลไทม์โดยใช้ปัญญาประดิษฐ์ เทคนิคที่กำหนดเองจะถูกใช้ก่อนและหลังการแปลงคำพูดเป็นข้อความเพื่อปรับปรุงผลลัพธ์ แทร็กข้อความถูกรวมเป็นแพ็กเกจใน IMSC1, TTML หรือ WebVTT ขึ้นอยู่กับว่ามีให้ใน DASH, HLS CMAF หรือ HLS TS
การเข้ารหัสบรรทัดแบบเรียลไทม์สำหรับช่อง OTT ทุกวันตลอด 24 ชั่วโมง
เมื่อใช้ API เวอร์ชัน 3 ของเรา คุณจะสามารถสร้าง จัดการ และออกอากาศช่อง OTT (แบบโอเวอร์เดอะท็อป) และใช้ฟีเจอร์ Azure Media Services อื่นๆ ทั้งหมด เช่น วิดีโอสดตามต้องการ (VOD, วิดีโอตามต้องการ) บรรจุภัณฑ์ และการจัดการสิทธิ์ดิจิทัล ( DRM การจัดการสิทธิ์ดิจิทัล)
หากต้องการดูเวอร์ชันตัวอย่างคุณลักษณะเหล่านี้ โปรดไปที่ .
ความสามารถในการสร้างแพ็คเกจใหม่
รองรับแทร็กคำอธิบายเสียง
เนื้อหาที่ออกอากาศผ่านช่องออกอากาศมักจะมีแทร็กเสียงพร้อมคำอธิบายด้วยวาจาเกี่ยวกับสิ่งที่เกิดขึ้นบนหน้าจอ นอกเหนือจากสัญญาณเสียงปกติ ซึ่งทำให้ผู้ดูที่มีความบกพร่องทางการมองเห็นเข้าถึงโปรแกรมต่างๆ ได้มากขึ้น โดยเฉพาะอย่างยิ่งหากเนื้อหามีภาพเป็นหลัก ใหม่ ช่วยให้คุณสามารถใส่คำอธิบายประกอบแทร็กเสียงหนึ่งแทร็กเป็นแทร็กคำอธิบายเสียง (AD, คำอธิบายเสียง) ช่วยให้ผู้เล่นสามารถทำให้แทร็กโฆษณาพร้อมใช้งานสำหรับผู้ดู
การแทรกข้อมูลเมตา ID3
เพื่อส่งสัญญาณการแทรกโฆษณาหรือเหตุการณ์ข้อมูลเมตาที่กำหนดเองไปยังโปรแกรมเล่นของลูกค้า ผู้ออกอากาศมักจะใช้ข้อมูลเมตาตามกำหนดเวลาที่ฝังอยู่ในวิดีโอ นอกจากโหมดการส่งสัญญาณ SCTE-35 แล้ว เรายังรองรับอีกด้วย กำหนดโดยผู้พัฒนาแอปพลิเคชันเพื่อใช้โดยแอปพลิเคชันไคลเอ็นต์
พันธมิตร Microsoft Azure สาธิตโซลูชันแบบครบวงจร
แนะนำ Bitmovin Video Encoding และ Bitmovin Video Player สำหรับ Microsoft Azure ขณะนี้ลูกค้าสามารถใช้ประโยชน์จากโซลูชันการเข้ารหัสและการเล่นเหล่านี้ใน Azure และได้รับประโยชน์จากฟีเจอร์ขั้นสูง เช่น การเข้ารหัสสามขั้นตอน การรองรับตัวแปลงสัญญาณ AV1/VC คำบรรยายหลายภาษา และการวิเคราะห์วิดีโอที่รวมไว้ล่วงหน้าสำหรับ QoS การโฆษณา และการติดตามวิดีโอ
สาธิตแพลตฟอร์มการจัดการวงจรการใช้งานผู้ใช้บน Azure ในฐานะผู้ให้บริการชั้นนำด้านโซลูชันการจัดการรายได้และวงจรชีวิตลูกค้า Evergent ใช้ Azure AI เพื่อช่วยผู้ให้บริการความบันเทิงระดับพรีเมียมปรับปรุงการได้มาและการรักษาลูกค้าโดยการสร้างแพ็คเกจบริการที่ตรงเป้าหมายและข้อเสนอที่จุดสำคัญในวงจรชีวิตของลูกค้า
จะจัดแสดงบริการกำหนดเส้นทางสื่อบนคลาวด์อัจฉริยะ SRT Hub ซึ่งช่วยให้ลูกค้าเปลี่ยนขั้นตอนการทำงานแบบ end-to-end โดยใช้ และพลิกโฉมเวิร์กโฟลว์ด้วย Hublets จาก Avid, Telestream, Wowza, Cinegy และ Make.tv
ได้พัฒนาชุดบริการสื่อระดับการออกอากาศบนแพลตฟอร์ม Azure สำหรับลูกค้าบริการดาวเทียมและสื่อที่ได้รับการจัดการ SES จะสาธิตโซลูชันสำหรับบริการ Playout ที่มีการจัดการเต็มรูปแบบ รวมถึง Master Playout, Localized Playout, การค้นพบโฆษณาและการแทนที่ และการเข้ารหัสหลายช่องทางแบบเรียลไทม์คุณภาพสูงตลอด 24 ชั่วโมงทุกวันบน Azure
ทำให้เครื่องมือคลาวด์ที่สะดวกสบายและเทคโนโลยีอัตโนมัติที่เป็นเอกลักษณ์พร้อมใช้งานบน Azure ข้อเสนอเหล่านี้จะช่วยให้องค์กรสื่อสามารถเพิ่มคำบรรยายโดยอัตโนมัติ รวมถึงคำบรรยายภาษาต่างประเทศ ลงในเวิร์กโฟลว์วิดีโอสดและออฟไลน์บน Azure ได้ง่ายขึ้น
บริษัทระหว่างประเทศ บริษัทผู้ให้บริการเทคโนโลยีได้รวมแพลตฟอร์ม OTT SaaS TEPlay เข้ากับ Azure Media Services เพื่อส่งมอบเนื้อหา OTT จากระบบคลาวด์ Tata Elxsi ยังได้นำโซลูชันการตรวจสอบคุณภาพประสบการณ์ (QoE) ของ Falcon Eye มาสู่ Microsoft Azure เพื่อให้การวิเคราะห์และตัวชี้วัดสำหรับการตัดสินใจ
กำลังทำให้แพลตฟอร์มสตรีมมิ่งพร้อมใช้งานบน Azure ในรูปแบบเบต้า Verizon Media Platform เป็นโซลูชัน OTT ที่ได้รับการจัดการระดับองค์กร ซึ่งประกอบด้วย DRM การแทรกโฆษณา เซสชันส่วนบุคคลแบบตัวต่อตัว การแทนที่เนื้อหาแบบไดนามิก และการจัดส่งวิดีโอ การบูรณาการช่วยลดความซับซ้อนของเวิร์กโฟลว์ การสนับสนุนทั่วโลกและการปรับขนาด และปลดล็อกความสามารถเฉพาะบางอย่างที่พบใน Azure
ที่มา: will.com