人工智能在视听领域日益重要

在网络研讨会上，Telefónica Servicios Audiovideoes 和 Etiqmedia 分析了人工智能在广播和机构环境中的语音技术、图像处理和自然语言处理方面的优势。

西班牙电信视听服务 旁边 埃蒂克媒体 3 月 18 日上周四组织了一次网络研讨会，其中视听领域的人工智能（AI）。

阿西尔·阿尼图亚, Gerente de Desarrollo de Negocio EMEA & LATAM en Telefónica Servicios Audiovisuales, y 安东尼奥·莱昂·卡皮奥Etiqmedia 首席执行官，负责分析人工智能在以下领域发挥的作用： 语音技术 （语音识别、转录、ASR、音频事件检测、自然语言分析）； 图像处理 （人脸检测、分层分割、标志和物体检测）；和 自然语言处理 （概念分析、分类、同义词库、用户分析、总结）。

León 认为，“如果人工智能融入广播和电视的工作流程中，能够减少时间并提供新价值，那么它就有意义。” “自动视频处理系统不是一个可以放任何东西、取出任何东西的黑匣子。我们需要根据内容类型进行细分，区别对待，并决定应用哪些算法。此外，针对每个客户的适应性也至关重要。”他强调。

“对系统的反馈非常重要，因此它需要不断地进行训练，比如像 COVID、ERTE 这样的新词……这项技术有很多局限性。永远不会有 100% 的成功，但我们必须管理错误、纠正错误、训练系统……在我看来，成功率低于 90% 的算法无法投入生产，”他补充道。

在本次网络研讨会中，各种 用例 其中人工智能促进了流程、提高了生产力并节省了成本。一个典型的案例是一家广播公司收到了数百条信息。 贡献 每天举行新闻发布会。借助基于算法的 Etiqmedia 技术，可以通过分离干预来自动分段视频、转录不同的声音、基于广播或电视同义词库创建标签或基于语义分析配置自动实体。

另一个例子 自动化 有了 Etiqmedia，它就提供了完整的信息。借助 Etiqmedia 系统，可以 部分 所有新闻，以便互动部门可以发布整个新闻或片段（系统分析语义、制作、演示者......以获得这些剪辑）。该系统可以集成 标题 从网络的新闻系统广播（保证文本正确），或自动识别。

值得注意的是，根据 Antonio León 的说法，Etiqmedia 系统实现了 成功率96%以上 自动语音转录中的内容的数量，如果是议会会议或新闻发布会等受监管的内容，则更大。 “声学效果的正确性非常重要，因为混响和背景噪音会使识别变得复杂，”他强调说。
本次网络研讨会分析的另一个方面是人工智能在面部识别中的使用，这是由于生物识别数据存储后的数据保护而导致的一个复杂问题。

Etiqmedia拥有一个主角数据库，并且还在广播公司进行内部识别。该系统被反馈以在广播公司自己的网络内本地训练该系统。 Etiqmedia 在本地运行，因此一切都在客户网络内，没有任何内容流出。仅在小型广播公司的特定情况下才会实施基于云的系统。

关于成功 面部识别莱昂估计准确率为 93%，这要归功于先进的系统，该系统可以分析多达八个不同角度或光线的脸部版本。由于面具的广泛使用，最近成功率较低，尽管 Etiqmedia 的神经网络基于提取面部特征（眼睛、鼻子和嘴巴之间的距离），但基于 128 个特征，面具覆盖了部分面部数据，阻碍了结果。
在广播环境中，还应该注意的是，Etiqmedia 可以与客户端拥有的任何媒体管理系统集成，以非常简单的方式进行集成。

机构范围

人工智能日益普及的另一个领域是 制度性的。 Etiqmedia 解决方案已在众多国家、地区和地方企业代表大会上运行。在面对面和远程信息处理会话中，它的技术允许您制作视频记录、字幕或交互式转录。此外，它是 多种语言 以西班牙四种官方语言（西班牙语、加泰罗尼亚语、巴伦西亚语、加利西亚语和巴斯克语）开展业务。此外，它还为每个客户开发特定的算法，例如，允许参议院以 97.8% 的准确率转录和编目其会议。

Antonio León 指出，“与完全手动的过程相比，转录的自动化将花费的时间减少了五倍。事实上，实时字幕的准确度比离线字幕低 5 个百分点。此外，我们的技术能够在广播和机构环境中进行双语字幕，延迟约为 3-4 秒，准确度为 90%。”

另一方面，值得注意的是，COVID-19 大流行的影响引发了 在线教育。每天都会制作大量视频，需要让聋人或一般学生可以访问这些视频，以便他们可以从整个存储库中检索课程、讲座或特定内容。

Etiqmedia 提供的其他服务是自动化 媒体监控 凭借其品牌跟踪技术。它使我们能够了解他们在视频、音频、图像、文本文件、社交网络中谈论我们的内容...捕获广播、电视和社交媒体频道，处理信息并获取有关正在谈论的人、团体、公司、地点的报告。

展望未来

“在 Etiqmedia，我们不会自诩比全球最大的科技公司 Gooole 或 Amazon 更好，但我们确实在某些利基市场（例如机构、信息以及位于西班牙等市场）方面具有强大的竞争能力，”该公司首席执行官评论道。

最后他指出，短期内他们将实施 阿特雷斯梅迪亚 一个不需要使用元数据的系统，因为该系统将是纯视觉的。 “图像将通过系统传递，系统将存储这些图像的视觉特征，并且不会搜索名称，而是搜索图像。因此，我们将避免整个先前的标记过程，即按图像搜索，”León 强调说。

他指出，下一步将是搜索资源，而不必在每次出现对象时都进行标记。因此，从已经标记为汽车、酒吧露台或飞机的图像开始，人工智能将能够搜索所有类似的镜头，而无需重新标记。

从中期来看，Etiqmedia 将致力于 文本的抽象概括， 这 改进的视频升级和编码 （增强图像而不是通过位交错，使系统能够理解图像是什么并重新缩放它），开发 新的神经网络，场景的完全压缩， 语音增强 哦到 语音和音乐分割 一致的。

毫无疑问，人工智能正在开启一个令人兴奋的世界，在未来更是如此。