एज़्योर मीडिया सर्विसेज के नए एआई-संचालित नवाचार

Microsoft में, हमारा मिशन अधिक प्राप्त करने के लिए ग्रह पर प्रत्येक व्यक्ति और संगठन को सशक्त बनाना है। मीडिया उद्योग इस मिशन की मिसाल देता है। हम एक ऐसे युग में रहते हैं, जहाँ पहले से अधिक उपकरणों पर और अधिक तरीकों से और अधिक सामग्री का निर्माण और उपभोग किया जा रहा है। IBC 2019 में, हम उन नवीनतम नवाचारों को साझा करने में प्रसन्न थे जो हम काम कर रहे हैं और वे आपके मीडिया वर्कफ़्लो को बदलने में कैसे मदद कर सकते हैं। अधिक जानने के लिए आगे पढ़ें।


यह लेख हमारे ब्लॉग में ।

वीडियो इंडेक्सर एनीमेशन और बहुभाषी सामग्री के लिए समर्थन जोड़ता है

हमने अपने पुरस्कार जीतने वाले अज़ूर मीडिया सर्विसेज वीडियो इंडेक्सर को आम तौर पर पिछले साल IBC में उपलब्ध कराया, और इस साल यह और भी बेहतर हो रहा है। वीडियो इंडेक्सर स्वचालित रूप से इनसाइट्स और मेटाडेटा जैसे कि बोले गए शब्दों, चेहरों, भावनाओं, विषयों और ब्रांडों को मीडिया फ़ाइलों से निकालता है, बिना आपको मशीन सीखने के विशेषज्ञ होने की आवश्यकता है। हमारी नवीनतम घोषणाओं में एनिमेटेड चरित्र पहचान और बहुभाषी भाषण प्रतिलेखन के लिए दो अत्यधिक अनुरोधित और विभेदित क्षमताओं के साथ-साथ वीडियो इंडेक्सर में आज उपलब्ध मौजूदा मॉडलों के कई जोड़ शामिल हैं।

एनिमेटेड चरित्र मान्यता

एनिमेटेड सामग्री या कार्टून सबसे लोकप्रिय सामग्री प्रकारों में से एक हैं, लेकिन मानव चेहरे के लिए निर्मित मानक एआई विजन मॉडल उनके साथ अच्छी तरह से काम नहीं करते हैं, खासकर अगर सामग्री में मानव विशेषताओं के बिना चरित्र हैं। इस नए पूर्वावलोकन समाधान में, वीडियो इंडेक्सर Microsoft की एज़्योर कस्टम विजन सेवा के साथ बलों को जोड़ता है, जो कि मॉडल के एक नए सेट को प्रदान करता है जो स्वचालित रूप से एनिमेटेड वर्णों का पता लगाता है और ग्राहकों को एकीकृत कस्टम विज़न मॉडल के माध्यम से टैग करने और उन्हें आसानी से पहचानने की अनुमति देता है। इन मॉडलों को एक एकल पाइपलाइन में एकीकृत किया गया है, जो किसी को भी पिछले मशीन सीखने के कौशल के बिना सेवा का उपयोग करने की अनुमति देता है। परिणाम आपके स्वयं के अनुप्रयोगों में आसान एकीकरण के लिए नो-कोड वीडियो इंडेक्सर पोर्टल या आरईएसटी एपीआई के माध्यम से उपलब्ध हैं।


हमने इन एनिमेटेड चरित्र मॉडल का चयन उन चुनिंदा ग्राहकों के सहयोग से किया जिन्होंने प्रशिक्षण और परीक्षण के लिए वास्तविक एनिमेटेड सामग्री का योगदान दिया। नई कार्यक्षमता का मूल्य वायाकॉम इंटरनेशनल मीडिया नेटवर्क्स में स्टूडियो एंड पोस्ट-प्रोडक्शन टेक्नोलॉजी के वरिष्ठ निदेशक एंडी गटरिज द्वारा अच्छी तरह से व्यक्त किया गया है, जो डेटा योगदानकर्ताओं में से एक था: "विश्वसनीय एआई-आधारित एनिमेटेड डिटेक्शन का जोड़ हमें सक्षम करेगा। जल्दी और कुशलता से हमारी सामग्री पुस्तकालय से चरित्र और मेटाडाटा की खोज करें। सबसे महत्वपूर्ण बात यह है कि यह हमारी रचनात्मक टीमों को उस सामग्री को खोजने की शक्ति देगा जो वे तुरंत चाहते हैं, मीडिया प्रबंधन पर खर्च किए गए समय को कम से कम करें और उन्हें रचनात्मक पर ध्यान केंद्रित करने की अनुमति दें। ”

एनिमेटेड चरित्र पहचान के साथ आरंभ करने के लिए, कृपया हमारे प्रलेखन पृष्ठ पर जाएँ ।

बहुभाषी पहचान और प्रतिलेखन

कुछ मीडिया संपत्ति जैसे समाचार, करंट अफेयर्स और साक्षात्कार में विभिन्न भाषाओं का उपयोग करने वाले वक्ताओं के साथ ऑडियो होते हैं। अधिकांश मौजूदा भाषण-से-पाठ क्षमताओं के लिए ऑडियो मान्यता भाषा को पहले से निर्दिष्ट करने की आवश्यकता होती है, जो बहुभाषी वीडियो को स्थानांतरित करने के लिए एक बाधा है। मल्टीपल कंटेंट फीचर के लिए हमारी नई स्वचालित बोली जाने वाली भाषा की पहचान मीडिया एसेट में उपयोग की जाने वाली विभिन्न भाषाओं की पहचान करने के लिए मशीन लर्निंग तकनीक का लाभ उठाती है। एक बार पता लगने के बाद, प्रत्येक भाषा खंड पहचान की गई भाषा में एक स्वचालित प्रतिलेखन प्रक्रिया से गुजरता है, और सभी खंडों को एक साथ एक प्रतिलेखन फ़ाइल में कई भाषाओं से मिलकर एकीकृत किया जाता है।



परिणामी प्रतिलेखन दोनों वीडियो इंडेक्सर JSON आउटपुट के भाग के रूप में और बंद-कैप्शन फ़ाइलों के रूप में उपलब्ध है। आउटपुट ट्रांस्क्रिप्ट भी Azure Search के साथ एकीकृत है, जिससे आप विभिन्न भाषा क्षेत्रों के लिए तुरंत वीडियो खोज सकते हैं। इसके अलावा, बहु-भाषा प्रतिलेखन वीडियो इंडेकर पोर्टल अनुभव के हिस्से के रूप में उपलब्ध है, ताकि आप समय-समय पर प्रतिलेख और पहचान की गई भाषा देख सकें, या प्रत्येक भाषा के लिए वीडियो में विशिष्ट स्थानों पर जाएं और बहु-भाषा प्रतिलेखन को कैप्शन के रूप में देखें एक वीडियो के रूप में खेला जाता है। आप पोर्टल और एपीआई के माध्यम से 54 अलग-अलग भाषाओं में आउटपुट को आगे-पीछे कर सकते हैं।

नए बहुभाषी विकल्प और हमारे प्रलेखन में वीडियो इंडेक्सर में इसका उपयोग कैसे करें, इसके बारे में और पढ़ें।

अतिरिक्त अद्यतन और बेहतर मॉडल

हम वीडियो इंडेक्सर में नए और मौजूदा मॉडल भी जोड़ रहे हैं, जिनमें शामिल हैं:

लोगों और स्थानों संस्थाओं का निष्कर्षण

हमने अपनी वर्तमान ब्रांड पहचान क्षमताओं का विस्तार किया है, जिसमें प्रसिद्ध नाम और स्थान शामिल हैं, जैसे पेरिस में एफिल टॉवर या लंदन में बिग बेन। जब ये ऑप्टिकल कैरेक्टर रिकग्निशन (ओसीआर) के माध्यम से उत्पन्न प्रतिलेख या ऑन-स्क्रीन में दिखाई देते हैं, तो एक विशिष्ट अंतर्दृष्टि बनाई जाती है। इस नई क्षमता के साथ, आप वीडियो में दिखाई देने वाले सभी लोगों, स्थानों और ब्रांडों द्वारा उनके टाइमफ्रेम, विवरण और अधिक जानकारी के लिए हमारे बिंग सर्च इंजन की एक कड़ी की समीक्षा और खोज कर सकते हैं।

संपादकीय शॉट डिटेक्शन मॉडल

यह नया फीचर अपने एडिटोरियल टाइप (जैसे वाइड शॉट, मीडियम शॉट, क्लोज अप, एक्सट्रीम क्लोज अप, टू शॉट, मल्टीपल लोग, आउटडोर) को दर्शाने के लिए इनसाइट्स JSON में एक व्यक्तिगत शॉट से जुड़े मेटाडेटा में "टैग" का एक सेट जोड़ता है। (इनडोर, आदि)। शॉट-प्रकार की ये विशेषताएँ तब काम में आती हैं जब क्लिप और ट्रेलर में वीडियो एडिट करने के साथ-साथ कलात्मक उद्देश्यों के लिए शॉट्स की एक विशिष्ट शैली की खोज की जाती है।


वीडियो इंडेक्सर में संपादकीय शॉट प्रकार का पता लगाने के बारे में अधिक पढ़ें और पढ़ें ।

आईपीटीसी मैपिंग की विस्तारित ग्रैन्युलैरिटी

हमारा विषय अनुमान मॉडल प्रतिलेखन, ऑप्टिकल चरित्र मान्यता (ओसीआर) के आधार पर वीडियो के विषय को निर्धारित करता है, और विषय का स्पष्ट रूप से उल्लेख नहीं होने पर भी हस्तियों का पता लगाया जाता है। विकिपीडिया, बिंग, आईपीटीसी, और आईएबी: हम इन अनुमानित विषयों को चार अलग-अलग टैक्सोनॉमी में मैप करते हैं। इस वृद्धि के साथ, अब हम लेवल -2 आईपीटीसी टैक्सोनॉमी को शामिल करते हैं।

इन एन्हांसमेंट्स का लाभ उठाना आपके वर्तमान वीडियो इंडेक्सर लाइब्रेरी को फिर से अनुक्रमित करने जितना आसान है।

नई लाइव स्ट्रीमिंग कार्यक्षमता

हम एज़्योर मीडिया सर्विसेज के पूर्वावलोकन में दो नई लाइव-स्ट्रीमिंग क्षमताओं को भी पेश कर रहे हैं।

लाइव ट्रांसक्रिप्शन AI के साथ आपके लाइव इवेंट को सुपरचार्ज करता है

लाइव इवेंट स्ट्रीम करने के लिए एज़्योर मीडिया सर्विसेज का उपयोग करके, आप अब एक आउटपुट स्ट्रीम प्राप्त कर सकते हैं जिसमें वीडियो और ऑडियो सामग्री के अलावा स्वचालित रूप से उत्पन्न टेक्स्ट ट्रैक शामिल है। यह टेक्स्ट ट्रैक योगदान फ़ीड के ऑडियो के AI- आधारित लाइव ट्रांसक्रिप्शन का उपयोग करके बनाया गया है। एंड-यूज़र अनुभव को बेहतर बनाने के लिए भाषण-से-पाठ रूपांतरण से पहले और बाद में कस्टम तरीके लागू होते हैं। पाठ ट्रैक IMSC1, TTML, या WebVTT में पैक किया गया है, इस पर निर्भर करता है कि आप DASH, HLS CMAF, या HLS TS में वितरित कर रहे हैं।

24/7 ओवर-द-टॉप (OTT) चैनलों के लिए लाइव रैखिक एन्कोडिंग

हमारे v3 API का उपयोग करके, आप OTT सेवाओं के लिए लाइव चैनल बना सकते हैं, प्रबंधित कर सकते हैं, और Azure Media Services की अन्य सभी सुविधाओं का लाभ उठा सकते हैं, जैसे लाइव टू वीडियो ऑन डिमांड (VOD), पैकेजिंग और डिजिटल राइट्स मैनेजमेंट (DRM)।

इन पूर्वावलोकन सुविधाओं को आज़माने के लिए, कृपया Azure Media Services सामुदायिक पृष्ठ पर जाएँ।

नई पैकेजिंग सुविधाएँ

ऑडियो विवरण पटरियों के लिए समर्थन

प्रसारण सामग्री में अक्सर एक ऑडियो ट्रैक होता है जिसमें सामान्य प्रोग्राम ऑडियो के अलावा ऑन-स्क्रीन एक्शन की मौखिक व्याख्या होती है। यह दृष्टि-बाधित दर्शकों के लिए प्रोग्रामिंग को अधिक सुलभ बनाता है, खासकर अगर सामग्री अत्यधिक दृश्य है। नया ऑडियो विवरण फीचर एक ग्राहक को ऑडियो विवरण (AD) ट्रैक के लिए ऑडियो ट्रैक में से एक को एनोटेट करने में सक्षम बनाता है, जिसका उपयोग खिलाड़ियों द्वारा दर्शकों द्वारा AD ट्रैक को खोजने योग्य बनाने के लिए किया जा सकता है।

ID3 मेटाडेटा प्रविष्टि

किसी ग्राहक खिलाड़ी पर विज्ञापनों या कस्टम मेटाडेटा घटनाओं के सम्मिलन का संकेत देने के लिए, प्रसारकों अक्सर वीडियो के भीतर एम्बेडेड मेटाडेटा का उपयोग करते हैं। SCTE-35 सिग्नलिंग मोड के अलावा, अब हम ID3v2 या क्लाइंट एप्लिकेशन द्वारा उपयोग के लिए एप्लिकेशन डेवलपर द्वारा परिभाषित अन्य कस्टम स्कीमाओं का भी समर्थन करते हैं ।

Microsoft Azure पार्टनर एंड-टू-एंड समाधान प्रदर्शित करते हैं

Bitmovin Microsoft Biture पर अपने Bitmovin वीडियो एन्कोडिंग और Bitmovin वीडियो प्लेयर से डेब्यू कर रहा है। ग्राहक अब एज़्योर पर इन एन्कोडिंग और प्लेयर सॉल्यूशंस का उपयोग कर सकते हैं और उन्नत कार्यक्षमता जैसे 3-पास एन्कोडिंग, एवी 1 / वीवीसी कोडेक समर्थन, बहु-भाषा बंद कैप्शन, और क्यूओएस, विज्ञापन और वीडियो ट्रैकिंग के लिए पूर्व-एकीकृत वीडियो एनालिटिक्स का उपयोग कर सकते हैं।

एवरेज अपने यूजर लाइफसाइकल मैनेजमेंट प्लेटफॉर्म को एज़्योर पर दिखा रहा है। राजस्व और ग्राहक जीवन चक्र प्रबंधन समाधान के एक अग्रणी प्रदाता के रूप में, एवरजेंट एज़्योर एआई को ग्राहक जीवन चक्र में महत्वपूर्ण बिंदुओं पर लक्षित पैकेज और ऑफ़र उत्पन्न करके ग्राहक अधिग्रहण और प्रतिधारण में सुधार करने के लिए प्रीमियम मनोरंजन सेवा प्रदाताओं को सक्षम करने का लाभ उठाता है।

हैविज़न अपनी बुद्धिमान मीडिया रूटिंग क्लाउड सेवा, SRT हब का प्रदर्शन करेगा, जो ग्राहकों को एज़्योर डेटा बॉक्स एज और मीडिया वर्कफ़्लो ट्रांसफ़ॉर्मेशन का उपयोग करते हुए निगलना के साथ शुरू करने में मदद करता है, जिसमें हबल्ट्स का उपयोग करते हुए एवीड, टेलस्ट्रीम, वाजा और सिनीजी और मेकडब्यू। ।

SES ने अपने सैटेलाइट कनेक्टिविटी और प्रबंधित मीडिया सेवा ग्राहकों के लिए Azure पर प्रसारण-ग्रेड मीडिया सेवाओं का एक सूट विकसित किया है। एसईएस मास्टर प्लेआउट, स्थानीयकृत प्लेआउट और विज्ञापन पहचान और प्रतिस्थापन सहित पूरी तरह से प्रबंधित प्लेआउट सेवाओं के लिए समाधान दिखाएगा, और 24x7 उच्च गुणवत्ता वाले मल्टीचैनल लाइव एज़्योर पर एन्कोडिंग।

सिंकस्क्रिप्ट अपनी कैप्शन ऑटोमेशन तकनीक और उपयोगकर्ता के अनुकूल क्लाउड-आधारित उपकरण एज़्योर पर उपलब्ध करा रहा है। ये पेशकश मीडिया संगठनों के लिए Azure पर अपने वास्तविक समय और ऑफ़लाइन वीडियो प्रसंस्करण वर्कफ़्लो में स्वचालित बंद कैप्शनिंग और विदेशी भाषा उपशीर्षक क्षमताओं को जोड़ना आसान बना देंगे।

वैश्विक डिजाइन और प्रौद्योगिकी सेवा कंपनी Tata Elxsi ने अपने OTT प्लेटफॉर्म SaaS को एकीकृत किया है, जो Azure मीडिया सेवाओं के साथ क्लाउड से OTT सामग्री वितरित करने के लिए है। Tata Elxsi ने FalconEye, अपने क्वालिटी ऑफ़ एक्सपीरियंस (QoE) मॉनिटरिंग सॉल्यूशन को भी लाया है जो Microsoft Azure के लिए एक्शनेबल मेट्रिक्स और एनालिटिक्स पर केंद्रित है।

Verizon Media अपने स्ट्रीमिंग प्लेटफ़ॉर्म को Azure पर बीटा में उपलब्ध करा रहा है। वेरिज़ोन मीडिया प्लेटफ़ॉर्म एक उद्यम-ग्रेड प्रबंधित ओटीटी समाधान है जिसमें डीआरएम, विज्ञापन प्रविष्टि, एक-से-एक व्यक्तिगत सत्र, गतिशील सामग्री प्रतिस्थापन और वीडियो वितरण शामिल हैं। एकीकरण सरलीकृत वर्कफ़्लोज़, वैश्विक समर्थन और पैमाने लाता है, और एज़्योर पर उपलब्ध अद्वितीय क्षमताओं की एक सीमा तक पहुंच प्रदान करता है।