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.
Media Insights Engine in AWS 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 Media Insights Engine in AWS ab, das im AWS-Konto bereitgestellt werden muss, um die Lösung bereitstellen zu können. Media Insights in AWS kann separat oder optional zusammen mit dieser Lösung eingesetzt werden.
Das folgende Diagramm 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 von Media Insights in AWS bereit.
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 Workflow-API Media Insights in AWS, die Datenebenen-API von Media Insights in AWS und der Amazon-OpenSearch-Service- API-Endpunkt.
Schritt 7
Ein AWS-Step-Functions-Workflow, der von Media Insights in AWS erstellt wurde. Der Workflow der Inhaltslokalisierung besteht aus AWS-Lambda-Funktionen, die Aufträge in Amazon Transcribe, Amazon Translate, AWS Elemental MediaConvert und Amazon Polly ausführen. Diese Lambda-Funktionen interagieren auch mit der Datenebenen-API von Media Insights in AWS, um Medienobjekte und Metadaten, die von Medienanalyseaufträgen zurückgegeben werden, zu speichern und abzurufen. 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 MI-Data-Pipeline in einen Amazon-OpenSearch-Service-Cluster. Diese Lambda-Funktion wird vom DynamoDB-Stream der Datenebene von Media Insights in AWS aufgerufen, wenn Asset-Metadaten in der Datenebene von Media Insights in AWS geändert werden.
Schritt 9
Ein Amazon-OpenSearch-Service-Cluster zum Indexieren von Medien-Metadaten.
Schritt 1
Die AWS-CloudFormation-Vorlage stellt eine Instance der Lösung von Media-Insights in AWS bereit.
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 Workflow-API Media Insights in AWS, die Datenebenen-API von Media Insights in AWS und der Amazon-OpenSearch-Service- API-Endpunkt.
Schritt 7
Ein AWS-Step-Functions-Workflow, der von Media Insights in AWS erstellt wurde. Der Workflow der Inhaltslokalisierung besteht aus AWS-Lambda-Funktionen, die Aufträge in Amazon Transcribe, Amazon Translate, AWS Elemental MediaConvert und Amazon Polly ausführen. Diese Lambda-Funktionen interagieren auch mit der Datenebenen-API von Media Insights in AWS, um Medienobjekte und Metadaten, die von Medienanalyseaufträgen zurückgegeben werden, zu speichern und abzurufen. 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 MI-Data-Pipeline in einen Amazon-OpenSearch-Service-Cluster. Diese Lambda-Funktion wird vom DynamoDB-Stream der Datenebene von Media Insights in AWS aufgerufen, wenn Asset-Metadaten in der Datenebene von Media Insights in AWS geändert werden.
Schritt 9
Ein Amazon-OpenSearch-Service-Cluster zum Indexieren von Medien-Metadaten.
Ähnliche Inhalte