211service.com
Tikslesnė vaizdo įrašų paieška
Bostone įsikūręs startuolis EveryZing paleido paieškos variklį, kuris, tikimasi, pakeis žmonių garso ir vaizdo įrašų paieškos internete būdą. Anksčiau žinomas kaip „PodZinger“, internetinių transliacijų paieškos variklis, „EveryZing“ naudoja technologijų įmonės sukurtas kalbos sistemas. BBN kurios gali paversti ištartus žodžius į ieškomą tekstą maždaug 80 procentų tikslumu. Tai geriausiai tinka kitoms komerciškai prieinamoms sistemoms, sako „EveryZing“ generalinis direktorius Tomas Wilde'as.
Garso signalai: Naujas vaizdo ir garso paieškos variklis gali konvertuoti garsą į teksto nuorašą 80 procentų tikslumu. Tai pakankamai gerai, kad būtų rodomi nuorašo fragmentai, nukreipiami naudotojai į tą failo vietą, kur rodomas paieškos terminas, ir apibendrinti pagrindines sąvokas.
Šis didelis tikslumas įgalina naujas paieškos galimybes, teigia Wilde'as, pavyzdžiui, galimybę pateikti visas vaizdo ir garso nuorašas ir galimybę nukreipti žmones į tikslią failo vietą, kurioje ištariamas žodis ar frazė. Ši technologija taip pat leis įmonei teikti tikslinius skelbimus, susijusius su konkrečiu turiniu, panašiai kaip „Google“ teikia skelbimus pagal tinklalapio tekstą.
Didysis iššūkis [interneto vaizdo ir garso srityje] yra žiniasklaidos turinio neskaidrumas, sako Wilde'as. Labai sunku žinoti, koks turinio diapazonas yra vaizdo ar garso klipe. Pasak jo, problema, kurią norime išspręsti, yra daugialypės terpės aptinkamumas žiniatinklio paieškoje. „EveryZing“ tai daro ištraukdama daugialypės terpės failų turinį ir išvesdama tekstą, kad galėtų pasinaudoti esamais teksto paieškos įrankiais, kuriuos sukūrė „Google“ ir „Yahoo“.
Žiniatinklyje gausu daugialypės terpės iš „YouTube“, internetinių transliacijų, TV naujienų pranešimų ir Nacionalinio viešojo radijo laidų. Tačiau vis tiek sunku ieškoti Baracko Obamos ir internete surasti visus atvejus, kuriuose minimas jo vardas. Paprastai klipų pavadinimuose ir žymose, kurias jiems priskiria žmonės, nėra pakankamai informacijos, kad būtų pateikti naudingi paieškos rezultatai. Štai kodėl kelios įmonės per pastaruosius porą metų tiria garso turinį kaip vadovą. Pavyzdžiui, vaizdo įrašų paieškos sistema Blinkx naudoja kalbos atpažinimo technologiją, kad apžiūrėtų visą žiniatinklį ir ieškotų atitinkamo turinio, sujungdama jį į vieną svetainę, panašiai kaip „Google“ kaupia tinklalapius. (Žr. TV naršymas internete.)
„EveryZing“ verslo tikslai skiriasi nuo „Blinkx“, sako Wilde'as, ir jis įtaria, kad šie du metodai gali papildyti vienas kitą. Mes kalbame apie turinio prekybą, o ne apie žiniatinklį, sako jis. EveryZing (kuris, kaip ir Blinkx, teikia interneto naršytojų paieškos portalą) daugiausia nori bendradarbiauti su turinio teikėjais, kad jų daugialypės terpės būtų galima ieškoti. Pavyzdžiui, įmonė nori konvertuoti visą ABC.com garso ir vaizdo turinį į tekstą, kuriame galima ieškoti, pridėdama laiko žymas prie to teksto (taip pat ir jau esamą tekstą su uždaromis antraštėmis), kad asmuo galėtų iš karto pereiti prie konkretaus žodžio. klipas.
Be to, skirtingai nei dabartinė Blinkx technologija, BBN technologija leidžia EveryZing išgauti aukšto lygio koncepcijas, kurių iš pradžių galbūt nebuvo ieškoma. Pavyzdžiui, jei kas nors ieškotų Baracko Obamos, „EveryZing“ klipe taip pat gali pasiūlyti kitus raktinius žodžius, pvz., ralį.
Idėja naudoti garso nuorašus ieškant daugialypės terpės tyrimų laboratorijose sklando dešimtmečius, o pagrindiniai kalbos atpažinimo tyrimai atsirado dar seniau. Didžioji dalis esminių darbų buvo atlikta BBN, MIT, Carnegie Mellon universitete, IBM ir SRI International. 1995 m. Carnegie Mellon demonstravo panašią vaizdo įrašų paieškos sistemą Ričardas Sternas , universiteto elektros ir kompiuterių inžinerijos profesorius. Ši sistema, vadinama Informedia , paskatino kitus šios srities tyrimus, sako jis, ir buvo modernaus BBN vaizdo analizės metodo pirmtakas.
„EveryZing“ pagrindinę technologiją sudaro dvi pagrindinės Bostone įsikūrusios BBN technologijos. Pagrindinė kalbos pakeitimo tekstu sistema, vadinama Byblos, buvo finansuojama iš 50 mln. Naudojant tikimybinius mašininio mokymosi algoritmus, sistema užtrunka vieną minutę, kad kiekvieną garso turinio minutę paverstų tekstu.
Antroji technologijos dalis, sako Wilde'as, yra algoritmai, apdorojantys teksto turinį. BBN natūralios kalbos technologijoje yra daugybė frazių ir žodžių, skirtų kontekstui, o tai padeda suprasti vaizdo įrašą. Pavyzdžiui, naujienų segmente apie sveikatą gali būti vartojama kalba, būdinga medicinos sričiai. Tokiu atveju sistema galėtų atpažinti tam tikrus neaiškius žodžius. Wilde'o teigimu, teksto prasmės supratimas yra galingas įrankis, nes jis leidžia „EveryZing“ pateikti vartotojams aukšto lygio koncepcijas, kad jie galėtų tiksliai suderinti paiešką. Ir, svarbiausia, tai leidžia įmonei susieti tikslinius skelbimus su tinkamu turiniu.
Pats laikas vaizdo įrašų paieškos varikliui, turinčiam šias galimybes, sako Carnegie Mellon's Stern. Pasak jo, vaizdo įrašas yra daug patrauklesnė ir linksmesnė priemonė nei paprastas tekstas, o dabar tiek daug jo galima rasti internete. Jis priduria, kad 80 procentų BBN tikslumas yra tikrai nemenkas žygdarbis ir jo turėtų pakakti ieškant turinio internete.
Nors technologija yra gera, ji nėra tobula, sako EveryZing's Wilde. Tikslumas sumažėja, kai skamba foninė muzika ir vienu metu kalba keli žmonės. Tačiau informacijos ir pramogų bei naujienų rinkai, į kurią šiuo metu kompanija orientuojasi, ši technologija turėtų pasiūlyti reikšmingą patobulinimą, palyginti su šiuo metu turimomis priemonėmis, sako jis. Manau, kad pažvelgsime atgal po poros metų ir pasakysime: „Žinoma, daugialypės terpės failų turinys turi būti ieškomas“, - sako Wilde'as. Atrodo, kad tinklalapiuose būtų galima ieškoti tik pagal pavadinimą ir žymą.