AI በንዑስ ርዕስ እና በተዘጋ መግለጫ ጽሑፍ ውስጥ

It matters because it makes video understandable for deaf and hard-of-hearing viewers and across languages, at a fraction of manual cost.

AI መግለጫ ፅሁፍ ብዙ ሞዴሎችን በአንድ ላይ ያጣምራል። በመጀመሪያ፣ አውቶማቲክ የንግግር ማወቂያ (ASR) ድምጹን ወደ ቃላት ይገለበጣል። ከዚያም አሰላለፍ ሞዴሎች ትክክለኛ ጅምር እና የመጨረሻ የጊዜ ማህተሞችን በማያያዝ እያንዳንዱ መግለጫ ከንግግሩ ጋር በማመሳሰል ይታያል። ለትርጉም ጽሑፎች፣ የማሽን ትርጉም ግልባጩን ወደ ዒላማ ቋንቋዎች ይለውጠዋል። ስርዓቱ ቅርጸት መስራትን ይቆጣጠራል፡ ጽሁፍን ወደ ተነባቢ መስመሮች መስበር፣ የንባብ ፍጥነትን (ገጸ-ባህሪያት በሰከንድ) እና፣ ለእውነተኛ ዝግ መግለጫ ፅሁፎች፣ የንግግር ያልሆኑ ምልክቶችን እንደ [የበር መዝጊያዎች] ወይም [ጭብጨባ] እና ድምጽ ማጉያዎችን መሰየም። ዩቲዩብ በዚህ መንገድ በቢሊዮኖች ለሚቆጠሩ ቪዲዮዎች የመግለጫ ፅሁፎችን ያመነጫል፣ እና ብሮድካስተሮች የቀጥታ ስርጭት ASRን ለወቅታዊ የዜና መግለጫ ፅሁፍ ይጠቀማሉ። ልዩነቱ አስፈላጊ ነው፡ የትርጉም ጽሁፎች እርስዎ ንግግርን መስማት እና በዋናነት መተርጎም እንደሚችሉ ይገምታሉ፣ የተዘጉ የመግለጫ ፅሁፎች ደግሞ መስማት ለማይችሉ እና የድምጽ ተፅእኖዎችን እና የድምጽ ማጉያ መታወቂያዎችን ያካተቱ ተመልካቾችን ያገለግላሉ።