12 नए एज़्योर मीडिया सर्विसेज आर्टिफिशियल इंटेलिजेंस

Microsoft का मिशन प्रत्येक व्यक्ति और संगठन को ग्रह पर अधिक प्राप्त करने का अवसर देना है। मीडिया उद्योग इस मिशन को वास्तविकता में अनुवाद करने का एक बढ़िया उदाहरण है। हम एक ऐसे युग में रहते हैं जब अधिक से अधिक सामग्री का निर्माण और उपभोग किया जा रहा है, सभी शानदार तरीके से और अधिक उपकरणों पर। IBC 2019 में, हमने नवीनतम नवाचारों को साझा किया, जिन पर हम वर्तमान में काम कर रहे हैं और इस बारे में बात की है कि वे आपकी मीडिया प्रक्रिया को बदलने में कैसे मदद कर सकते हैं।

कट के तहत विवरण!

यह पेज हमारी साइट पर है।

वीडियो इंडेक्सर एनिमेशन और बहुभाषी सामग्री के लिए समर्थन का परिचय देता है

पिछले साल IBC में, हमने अपने पुरस्कार विजेता Azure Media Services वीडियो इंडेक्सर को सार्वजनिक रूप से उपलब्ध कराया, और इस वर्ष यह और भी बेहतर हो गया। वीडियो इंडेक्सर स्वचालित रूप से मीडिया फ़ाइलों से जानकारी और मेटाडेटा निकालता है, जैसे कि बोले गए शब्द, चेहरे, भावनाएं, थीम और ब्रांड, और आपको इसका उपयोग करने के लिए मशीन सीखने के विशेषज्ञ होने की आवश्यकता नहीं है।

हमारे नवीनतम प्रस्तावों में दो बहुत लोकप्रिय और विभेदित कार्यों के प्रारंभिक संस्करण शामिल हैं - एनिमेटेड पात्रों की पहचान और बहुभाषी भाषण, साथ ही वीडियो इंडेक्सर में आज उपलब्ध मौजूदा मॉडलों के लिए कई परिवर्धन।

एनिमेटेड पात्रों की पहचान

एनिमेटेड सामग्री, कार्टून सबसे लोकप्रिय प्रकार की सामग्री में से एक है, लेकिन मानव चेहरे को पहचानने के लिए बनाई गई मानक मशीन दृष्टि मॉडल इसके साथ बहुत अच्छी तरह से काम नहीं करते हैं, खासकर अगर मानव विशेषताओं के बिना सामग्री में वर्ण हैं। नए पूर्वावलोकन संस्करण में, वीडियो इंडेक्सर Microsoft की एज़्योर कस्टम विज़न सेवा के साथ एकीकृत है, ऐसे मॉडल का एक नया सेट बना रहा है जो स्वचालित रूप से एनिमेटेड वर्णों का पता लगाता है और समूह बनाता है और एकीकृत कस्टम मशीन विज़न मॉडल का उपयोग करके उन्हें टैग करना और पहचानना आसान बनाता है।

मॉडल एक एकल कन्वेयर में एकीकृत होते हैं, जो किसी को भी मशीन सीखने के क्षेत्र में किसी भी ज्ञान के बिना इस सेवा का उपयोग करने की अनुमति देता है। परिणाम वीडियो इंडेक्सर पोर्टल के माध्यम से उपलब्ध हैं, जिन्हें कोड की आवश्यकता नहीं है, या अपने स्वयं के अनुप्रयोगों में त्वरित एकीकरण के लिए REST API के माध्यम से।

हमने कुछ उपभोक्ताओं के साथ एनिमेटेड चरित्रों के साथ काम करने के लिए इन मॉडलों को बनाया, जिन्होंने प्रशिक्षण और परीक्षण के लिए वास्तविक एनिमेटेड सामग्री प्रदान की। नई कार्यक्षमता का मूल्य अच्छी तरह से स्टूडियो टेक्नोलॉजी और पोस्ट-प्रोडक्शन वायाकॉम इंटरनेशनल मीडिया नेटवर्क्स के वरिष्ठ निदेशक एंडी गटरिज द्वारा वर्णित किया गया था, जो डेटा प्रदाताओं में से एक था: “एक मजबूत एआई-आधारित एनिमेटेड सामग्री का पता लगाने की सुविधा को जोड़ने से हमें हमारे पुस्तकालय से जल्दी और कुशलता से खोजने और कैटलॉग वर्ण मेटाडेटा की अनुमति मिलेगी। सामग्री।

सबसे महत्वपूर्ण बात, यह हमारी रचनात्मक टीमों को तुरंत सही सामग्री खोजने, मीडिया के प्रबंधन पर खर्च किए गए समय को कम करने और हमें रचनात्मकता पर ध्यान केंद्रित करने की अनुमति देगा। ”

आप प्रलेखन पृष्ठ से एनिमेटेड पात्रों की मान्यता की खोज शुरू कर सकते हैं।

कई भाषाओं में सामग्री की पहचान और प्रतिलेखन

कुछ मीडिया संसाधन, जैसे कि समाचार, घटना कालक्रम और साक्षात्कार, में विभिन्न भाषाओं में बोलने वाले लोगों की रिकॉर्डिंग होती है। भाषण में पाठ में अनुवाद करने के लिए मौजूदा विकल्पों में से अधिकांश को ध्वनि मान्यता भाषा के प्रारंभिक संकेत की आवश्यकता होती है, जिससे बहुभाषी वीडियो को स्थानांतरित करना मुश्किल हो जाता है।

मीडिया संसाधनों में पाई जाने वाली भाषाओं की पहचान करने के लिए विभिन्न प्रकार की सामग्री के लिए बोली जाने वाली भाषा की स्वचालित रूप से पहचान करने के लिए हमारी नई सुविधा मशीन लर्निंग तकनीक का उपयोग करती है। पता लगाने के बाद, प्रत्येक भाषा सेगमेंट स्वचालित रूप से संबंधित भाषा में ट्रांसक्रिप्शन प्रक्रिया से गुजरता है, और फिर सभी सेगमेंट को कई भाषाओं से मिलकर एकल ट्रांसक्रिप्शन फाइल में जोड़ा जाता है।



परिणामस्वरूप डिक्रिप्शन JSON वीडियो इंडेक्सर के आउटपुट के भाग के रूप में और उपशीर्षक के साथ फ़ाइलों के रूप में उपलब्ध है। आउटपुट डिक्रिप्शन भी एज़्योर सर्च के साथ एकीकृत है, जो आपको वीडियो में विभिन्न भाषा खंडों को तुरंत खोजने की अनुमति देता है। इसके अलावा, वीडियो अनुक्रमणिका पोर्टल के साथ काम करते समय बहुभाषी प्रतिलेखन उपलब्ध है, इसलिए आप समय-समय पर प्रतिलेख और पहचाने गए भाषा को देख सकते हैं या प्रत्येक भाषा के लिए वीडियो में विशिष्ट स्थानों पर जा सकते हैं और वीडियो प्लेबैक के लिए हस्ताक्षर के रूप में बहुभाषी प्रतिलेखन देख सकते हैं। आप पोर्टल और एपीआई के माध्यम से 54 उपलब्ध भाषाओं में से किसी में भी परिणामी पाठ का अनुवाद कर सकते हैं।

नए मल्टी-लैंग्वेज कंटेंट रिकग्निशन फ़ीचर और डॉक्यूमेंट में वीडियो इंडेक्सर में इसके उपयोग के बारे में और पढ़ें।

अतिरिक्त अद्यतन और बेहतर मॉडल

हम वीडियो इंडेक्सर में नए मॉडल भी जोड़ रहे हैं और मौजूदा लोगों को सुधार रहे हैं, जिनमें नीचे वर्णित हैं।

लोगों और स्थानों के साथ जुड़े रिट्रीटिंग इकाइयाँ

हमने प्रसिद्ध नामों और स्थानों को शामिल करने के लिए अपनी मौजूदा ब्रांड खोज क्षमताओं का विस्तार किया है, जैसे पेरिस में एफिल टॉवर और लंदन में बिग बेन। जब वे उत्पन्न डिक्रिप्शन या स्क्रीन पर ऑप्टिकल चरित्र पहचान (OCR) का उपयोग करते हुए दिखाई देते हैं, तो संबंधित जानकारी जोड़ी जाती है। इस नई सुविधा के साथ, आप वीडियो में दिखाई देने वाले सभी लोगों, स्थानों और ब्रांडों को खोज सकते हैं और उनके बारे में जानकारी देख सकते हैं, जिसमें समय अंतराल, विवरण और अधिक जानकारी के लिए बिंग खोज इंजन के लिंक शामिल हैं।

एडिटर डिटेक्शन मॉडल

यह नई सुविधा उनके संपादकीय प्रकार (उदाहरण के लिए, चौड़े फ्रेम, मध्यम फ्रेम, क्लोज़-अप, बहुत क्लोज़-अप, दो शॉट, कई लोग, बाहर) का प्रतिनिधित्व करने के लिए JSON विवरण में व्यक्तिगत फ़्रेम से जुड़ी मेटाडेटा में "टैग" का एक सेट जोड़ता है। घर के अंदर, आदि)। क्लिप और ट्रेलरों के लिए वीडियो संपादित करने के साथ-साथ कलात्मक उद्देश्यों के लिए एक विशिष्ट फ्रेम शैली की खोज करते समय ये फ्रेम प्रकार की विशेषताएं उपयोगी होती हैं।


वीडियो इंडेक्सर में फ़्रेम प्रकार का पता लगाने के बारे में अधिक जानें ।

उन्नत IPTC मैपिंग का विवरण

हमारा थीम डिटेक्शन मॉडल ट्रांसक्रिप्शन, ऑप्टिकल कैरेक्टर रिकग्निशन (OCR) के आधार पर एक वीडियो थीम की पहचान करता है, और खोजे गए सेलिब्रिटीज, भले ही थीम स्पष्ट रूप से निर्दिष्ट न हो। हम इन खोजे गए विषयों को वर्गीकरण के चार क्षेत्रों से मिलाते हैं: विकिपीडिया, बिंग, आईपीटीसी और आईएबी। यह वृद्धि हमें दूसरे स्तर के आईपीटीसी वर्गीकरण को शामिल करने की अनुमति देती है।
इन एन्हांसमेंट्स का लाभ उठाना उतना ही आसान है जितना कि आपके वर्तमान वीडियो इंडेक्सर लाइब्रेरी को रीइंफेक्ट करना।

नई लाइव स्ट्रीमिंग कार्यशीलता

Azure Media Services के पूर्वावलोकन संस्करण में, हम लाइव स्ट्रीमिंग के लिए दो नई सुविधाएँ भी प्रदान करते हैं।

AI वास्तविक समय प्रतिलेखन अगले स्तर तक लाइव प्रसारण लेता है

लाइव स्ट्रीमिंग के लिए एज़्योर मीडिया सर्विसेज का उपयोग करके, आप अब एक आउटपुट स्ट्रीम प्राप्त कर सकते हैं जिसमें ऑडियो और वीडियो सामग्री के अलावा स्वचालित रूप से उत्पन्न टेक्स्ट ट्रैक शामिल है। आर्टिफिशियल इंटेलिजेंस पर आधारित रियल-टाइम ऑडियो ट्रांसक्रिप्ट करके टेक्स्ट बनाया जाता है। परिणाम सुधारने के लिए भाषण को पाठ में बदलने से पहले और बाद में कस्टम तरीके लागू किए जाते हैं। पाठ ट्रैक IMSC1, TTML या WebVTT में पैक किया गया है, यह इस पर निर्भर करता है कि यह DASH, HLS CMAF, या HLS TS में आता है या नहीं।

24/7 ओटीटी चैनलों के लिए वास्तविक समय रैखिक कोडिंग

हमारे API v3 का उपयोग करके, आप OTT (ओवर-द-टॉप) तकनीक का उपयोग करके चैनल बना सकते हैं, उन पर लाइव प्रसारण का प्रबंधन और संचालन कर सकते हैं, और अन्य सभी Azure Media Services सुविधाओं का उपयोग कर सकते हैं, जैसे लाइव वीडियो ऑन डिमांड (VOD) वीडियो ऑन डिमांड), पैकेजिंग एंड डिजिटल राइट्स मैनेजमेंट (DRM)।
इन सुविधाओं के पूर्वावलोकन के लिए , Azure मीडिया सेवा समुदाय पृष्ठ पर जाएँ।

नई पैकेज पीढ़ी सुविधाएँ

साउंड ट्रैक का वर्णन समर्थन

प्रसारण चैनलों पर प्रसारित सामग्री में अक्सर सामान्य ऑडियो सिग्नल के अलावा स्क्रीन पर क्या हो रहा है की मौखिक व्याख्या के साथ एक ऑडियो ट्रैक होता है। यह दृष्टिबाधित दर्शकों के लिए अधिक सुलभ कार्यक्रम बनाता है, खासकर अगर सामग्री ज्यादातर दृश्य है। नया ऑडियो विवरण फ़ंक्शन आपको ऑडियो विवरण ट्रैक (AD, ऑडियो विवरण) के रूप में ऑडियो पटरियों में से एक को एनोटेट करने की अनुमति देता है, ताकि खिलाड़ी AD ट्रैक को दर्शकों के लिए सुलभ बना सकें।

ID3 मेटाडेटा सम्मिलित करें

प्रसारण कंपनियां अक्सर खिलाड़ी के खिलाड़ी पर विज्ञापनों या कस्टम मेटाडेटा घटनाओं के सम्मिलन के बारे में संकेत संचारित करने के लिए वीडियो में एम्बेडेड समय-आधारित मेटाडेटा का उपयोग करती हैं। SCTE-35 सिग्नलिंग मोड के अलावा, अब हम ID3v2 और क्लाइंट एप्लिकेशन द्वारा उपयोग के लिए एप्लिकेशन डेवलपर द्वारा परिभाषित अन्य उपयोगकर्ता योजनाओं का भी समर्थन करते हैं।

Microsoft Azure पार्टनर एंड-टू-एंड समाधान दिखाते हैं

Bitmovin Microsoft Azure के लिए Bitmovin वीडियो एन्कोडिंग और Bitmovin वीडियो प्लेयर का परिचय देता है। ग्राहक अब एज़्योर पर इन एन्कोडिंग और प्लेबैक समाधानों का उपयोग कर सकते हैं और उन्नत सुविधाओं जैसे तीन-चरण एन्कोडिंग, एवी 1 / वीसी कोडेक्स के लिए समर्थन, बहुभाषी उपशीर्षक और क्यूओएस, विज्ञापन और वीडियो ट्रैकिंग के लिए पूर्व-एकीकृत वीडियो एनालिटिक्स का लाभ उठा सकते हैं।

एवरेज एज़्योर पर अपने उपयोगकर्ता जीवनचक्र प्रबंधन मंच को प्रदर्शित करता है। राजस्व और ग्राहक जीवनचक्र प्रबंधन समाधानों के अग्रणी प्रदाता के रूप में, एवरेज एज़्योर एआई का लाभ उठाता है ताकि प्रीमियम मनोरंजन प्रदाताओं को लक्षित सर्विस पैकेज और ऑफ़र को उनके जीवनचक्र में महत्वपूर्ण समय पर बनाकर ग्राहक जुड़ाव और प्रतिधारण में सुधार करने में मदद मिल सके।

हाइविजन अपनी बुद्धिमान क्लाउड-आधारित मल्टीमीडिया रूटिंग सेवा, एसआरटी हब का प्रदर्शन करेगा, जो ग्राहकों को एज़्योर डेटा बॉक्स एज का उपयोग करके शुरू से अंत तक वर्कफ़्लोज़ को बदलने में मदद करता है और एब्लेज, टेलस्ट्रीम, वोज़ा, सिनेजी और मेकजीडी से ह्यूलेट्स का उपयोग करके वर्कफ़्लोज़ को परिवर्तित करता है।

SES ने अपने उपग्रह-आधारित और प्रबंधित मीडिया सेवाओं के ग्राहकों के लिए Azure- आधारित ब्रॉडकास्ट क्लास मीडिया सर्विसेज सूट विकसित किया है। SES पूरी तरह से प्रबंधित प्लेबैक सेवाओं के लिए समाधान प्रदर्शित करेगा, जिसमें मास्टर प्लेबैक, स्थानीयकृत प्लेबैक, विज्ञापन पहचान और प्रतिस्थापन और उच्च-गुणवत्ता, वास्तविक समय 24 × 7 मल्टी-चैनल एन्कोडर पर एन्कोडिंग शामिल है।

सिंकस्क्रिप्ट हस्ताक्षर बनाने के लिए एज़्योर सुविधाजनक क्लाउड टूल और तकनीक पर उपलब्ध कराता है। ये ऑफ़र मीडिया संगठनों के लिए स्वचालित रूप से उपशीर्षक जोड़ने के लिए आसान बना देंगे, जिसमें एक विदेशी भाषा भी शामिल है, वास्तविक समय में वीडियो प्रसंस्करण के वर्कफ़्लो और एज़्योर पर ऑफ़लाइन।
एक अंतरराष्ट्रीय प्रौद्योगिकी सेवा कंपनी टाटा एलेक्सी ने ओटीटी सामग्री को क्लाउड से वितरित करने के लिए अपने ओटीटी सास टीपेल प्लेटफॉर्म को एज़्योर मीडिया सर्विसेज के साथ एकीकृत किया है। टाटा एलेक्सी ने फाल्कन आई के क्यूओई समाधान को भी विस्थापित किया, जो विश्लेषिकी और निर्णय मैट्रिक्स प्रदान करता है, Microsoft Azure को।

Verizon Media अपने स्ट्रीमिंग प्लेटफ़ॉर्म को Azure पर बीटा के रूप में उपलब्ध कराता है। वेरिज़ोन मीडिया प्लेटफ़ॉर्म एक उद्यम-ग्रेड ओटीटी समाधान है जिसमें डीआरएम, विज्ञापन प्रविष्टि, व्यक्तिगत व्यक्तिगत सत्र, गतिशील सामग्री प्रतिस्थापन और वीडियो वितरण शामिल हैं। एकीकरण वर्कफ़्लोज़, वैश्विक समर्थन और मापनीयता को सरल करता है, और आपको एज़्योर में कई अनूठी विशेषताओं तक पहुंच प्रदान करता है।