Перейти к содержанию
ERITKOM
ИИНовость

MediaConvert получила ИИ-субтитры для видео по запросу — без русского в списке языков

AWS встроила Smart Subtitles в задания перекодирования. Поддерживаются шесть языков, словари имён и терминов, отдельные дорожки и встраивание текста в изображение.

Существующий символ Closed Captioning, обозначающий субтитры
Jack Foley / WGBH, символ субтитров Closed Captioning, public domain. Исходник; изменены размер и формат. Не интерфейс AWS.

Распознавание речи вошло в обработку VOD

AWS 6 ноября объявила интеграцию Smart Subtitles с Elemental Inference в MediaConvert. Автоматическое создание субтитров теперь включается в процесс перекодирования и упаковки видео по запросу. Это обновление относится к обработке готовых видеоматериалов, а не является первым появлением автоматических субтитров для прямого эфира во всём семействе сервисов AWS.

В анонсе перечислены английский, французский, немецкий, итальянский, португальский и испанский языки. Русского среди них нет. Поэтому использовать эту новость как подтверждение готового распознавания русскоязычного архива было бы неверно. Распознавание речи на исходном языке также не следует автоматически называть переводом на все остальные поддерживаемые языки: это разные операции с разными требованиями к результату.

Субтитры становятся частью задания

Руководство MediaConvert описывает настройку на уровне выходного материала. После создания группы вывода и самого выхода добавляется блок captions, а источником выбирается Smart subtitle. Затем задаются совместимый способ назначения субтитров, имя аудиоисточника и язык, соответствующий речи в записи. Это связывает распознавание с конкретной дорожкой, а не с произвольным звуком, который первым встретился в контейнере.

Если материал содержит несколько аудиодорожек, выбор источника является отдельным содержательным решением. Совпадение языка интерфейса программы с языком выступающего его не заменяет. Поддерживаемые сочетания назначения и видеокодека определяются таблицами совместимости MediaConvert, поэтому наличие функции в задании не означает, что любой формат вывода допускает любой способ хранения текста. Эти ограничения нужны до массовой обработки библиотеки, а не после неё.

Словарь помогает терминам, но не гарантирует точность

Документация Elemental Inference описывает Smart Subtitles как автоматическое распознавание речи с формированием TTML. В настройках указываются язык и, при необходимости, пропорции кадра. Пользовательский словарь добавляет слова и выражения, которые модель может плохо распознавать: названия брендов, технические термины и имена. Для записей специализированных лекций это отличается от простого выбора общего языка.

В словарной записи есть обязательное содержимое и необязательная подсказка произношения sounds_like. Документация устанавливает проверку структуры JSON и ограничение объёма списка. Региональные варианты английского доступны для распознавания, но словари используют базовый код языка. Эти параметры помогают описать лексику; они не являются обещанием стопроцентной точности, а измерений качества на конкретной записи в этом сообщении не приводится.

Где доступно и как отделить текст от изображения

Для новой интеграции AWS перечисляет регионы Северная Вирджиния, Орегон, Ирландия, Мумбаи и Сидней. Анонс предусматривает отдельные текстовые дорожки, встраивание субтитров в видеокадр и использование в потоковых упаковках HLS и DASH. Региональная доступность и выбранный тип выходного материала остаются самостоятельными настройками задания, а не свойствами языка распознавания.

Отдельная дорожка и вшитый текст имеют разное практическое поведение: первая сохраняет субтитры как самостоятельный элемент воспроизведения, второй становится частью изображения. Это различие важно для последующего исправления ошибок и доступности, но само по себе ничего не говорит о качестве распознанной речи. Новая интеграция сокращает число раздельных этапов подготовки материала; редакционная проверка имён, терминов и соответствия текста звуку остаётся отдельной задачей, которую анонс не объявляет выполненной автоматически.

Источники

Принципы журнала и исправления.

ERITKOM / НОВЫЙ ПРОЕКТ

Расскажите о задаче и оставьте контакты. Мы свяжемся с вами, чтобы обсудить проект.

  1. 01 Контакты
  2. 02 Ваша задача