Übersicht
Diese Lösung erstellt Untertitel für Ihre Video-on-Demand-Inhalte (VOD). Die Bereitstellung von lokalisierten Videos mit hochwertigen Transkriptionen, Untertiteln und Übersetzungen kann die Reichweite von Videoinhalten auf neue Zielgruppen ausweiten und das Verständnis der Inhalte für alle Zuschauer verbessern. Die Erstellung von präzisen, mehrsprachigen Untertiteln für Videos ist jedoch sowohl komplex als auch arbeitsintensiv. Die Mitarbeiter verbringen oft viele Stunden mit dem Transkribieren, Untertiteln, Übersetzen und Überprüfen von Medieninhalten. Der Einsatz von AWS-Services für künstliche Intelligenz (KI) zur Unterstützung bei der Erstellung von Untertiteln hilft, diese Probleme zu lösen.
Vorteile
Laden Sie Videos hoch und analysieren Sie sie, und arbeiten Sie mit automatisch generierten Videountertiteln über eine einfache webbasierte Benutzeroberfläche.
Extrahieren Sie wertvolle Metadaten aus Videodateien mit Amazon Rekognition, Amazon Transcribe, Amazon Translate und Amazon Comprehend automatisch.
Sie können Untertitel überprüfen und innerhalb der Anwendung Korrekturen vornehmen. Wenn Sie mit den Untertiteln zufrieden sind, wiederholen Sie den Arbeitsablauf mit der korrigierten Eingabe, um die nachgelagerten Ergebnisse neu zu generieren.
Verwenden Sie die Anwendung, um benutzerdefinierte Amazon-Transcribe-Vokabulare und benutzerdefinierte Amazon-Translate-Terminologien unter Verwendung der von Ihnen vorgenommenen Korrekturen an den Untertiteln zu erstellen. Geben Sie diese Anpassungen an, wenn Sie ein Video hochladen und den automatischen Workflow konfigurieren.
AWS Media Insights Engine ist ein Framework, das Entwicklern die Erstellung von Serverless-Anwendungen, die Video, Images, Audio und Text mit KI und Multimedia-Services in AWS verarbeiten, erleichtert.
Technische Details
Diese Architektur hängt vom Entwicklungs-Framework AWS Media Insights Engine (MIE) ab, das im AWS-Konto bereitgestellt werden muss, um die Lösung bereitstellen zu können. MIE kann separat oder optional zusammen mit dieser Lösung eingesetzt werden.
Das folgende Schaubild zeigt die Serverless-Architektur, die Sie mithilfe des Handbuchs für die Lösungsimplementierung und der zugehörigen AWS-CloudFormation-Vorlage automatisch bereitstellen können.
Schritt 1
Die AWS-CloudFormation-Vorlage stellt eine Instance der AWS-Media-Insights-Engine-Lösung bereit, es sei denn, Sie entscheiden sich für die Verwendung einer vorhandenen MIE-Instanz.
Schritt 2
Eine Amazon-CloudFront-Verteilung zur Bereitstellung der Webanwendung der Lösung.
Schritt 3
Ein Amazon-Simple-Storage-Service-Web-Source-Bucket (Amazon S3) für das Hosting der statischen Webanwendung.
Schritt 4
Einen Amazon-Cognito-Benutzerpool zur Bereitstellung eines Benutzerverzeichnisses.
Schritt 5
Ein Amazon-Cognito-Identitätspool für den Verbund mit AWS Identity and Access Management (IAM) zur Authentifizierung und Autorisierung für die Webanwendung.
Schritt 6
Amazon-API-Gateway-Endpunkte für die MIE-Workflow-API, die MIE-Datenebene-API und den Amazon-OpenSearch-Service-API-Endpunkt.
Schritt 7
Ein AWS-Step-Functions-Workflow, erstellt von MIE. Der Workflow der Inhaltslokalisierung besteht aus AWS-Lambda-Funktionen, die Aufträge in Amazon Transcribe, Amazon Translate, AWS Elemental MediaConvert und Amazon Polly ausführen. Der Workflow kann optional auch Amazon Rekognition und Amazon Comprehend ausführen, um zusätzliche Analysen der Eingaben zu ermöglichen.
Schritt 8
Eine Lambda-Funktion zum Extrahieren, Transformieren und Laden von Medienmetadaten aus der MIE-Data-Pipeline in einen Amazon-OpenSearch-Service-Cluster. Diese Lambda-Funktion wird vom DynamoDB-Stream der MIE-Datenebene aufgerufen, wenn Asset-Metadaten in der MIE-Datenebene geändert werden.
Schritt 9
Ein Amazon-OpenSearch-Service-Cluster zum Indexieren von Medien-Metadaten.
Schritt 1
Die AWS-CloudFormation-Vorlage stellt eine Instance der AWS-Media-Insights-Engine-Lösung bereit, es sei denn, Sie entscheiden sich für die Verwendung einer vorhandenen MIE-Instanz.
Schritt 2
Eine Amazon-CloudFront-Verteilung zur Bereitstellung der Webanwendung der Lösung.
Schritt 3
Ein Amazon-Simple-Storage-Service-Web-Source-Bucket (Amazon S3) für das Hosting der statischen Webanwendung.
Schritt 4
Einen Amazon-Cognito-Benutzerpool zur Bereitstellung eines Benutzerverzeichnisses.
Schritt 5
Ein Amazon-Cognito-Identitätspool für den Verbund mit AWS Identity and Access Management (IAM) zur Authentifizierung und Autorisierung für die Webanwendung.
Schritt 6
Amazon-API-Gateway-Endpunkte für die MIE-Workflow-API, die MIE-Datenebene-API und den Amazon-OpenSearch-Service-API-Endpunkt.
Schritt 7
Ein AWS-Step-Functions-Workflow, erstellt von MIE. Der Workflow der Inhaltslokalisierung besteht aus AWS-Lambda-Funktionen, die Aufträge in Amazon Transcribe, Amazon Translate, AWS Elemental MediaConvert und Amazon Polly ausführen. Der Workflow kann optional auch Amazon Rekognition und Amazon Comprehend ausführen, um zusätzliche Analysen der Eingaben zu ermöglichen.
Schritt 8
Eine Lambda-Funktion zum Extrahieren, Transformieren und Laden von Medienmetadaten aus der MIE-Data-Pipeline in einen Amazon-OpenSearch-Service-Cluster. Diese Lambda-Funktion wird vom DynamoDB-Stream der MIE-Datenebene aufgerufen, wenn Asset-Metadaten in der MIE-Datenebene geändert werden.
Schritt 9
Ein Amazon-OpenSearch-Service-Cluster zum Indexieren von Medien-Metadaten.
Ähnliche Inhalte