گوگل زیرنویسهای احساسی را معرفی کرد؛ هوش مصنوعی لحن و صداهای پسزمینه را تحلیل میکند
گوگل با رونمایی از قابلیت جدید زیرنویسهای احساسی تحولی در تجربه تماشای ویدیو برای کاربران ایجاد کرده است. این ویژگی نوآورانه فراتر از نمایش ساده کلمات، احساسات و لحن گوینده را نیز بازتاب میدهد.
به گزارش رسانه فناوری تکنا، تا پیش از این زیرنویسها تنها کلمات ادا شده را نمایش میدادند، اما با پشتیبانی هوش مصنوعی، گوگل این قابلیت را به سطح جدیدی ارتقا داده است. زیرنویسهای احساسی با تجزیه و تحلیل دقیق مواردی همانند لحن صدا، بلندی صدا و حتی صداهای پسزمینه، درکی عمیقتر از محتوای ویدیو به مخاطب ارائه میکنند. این ویژگی بهویژه برای ویدیوهای زنده و پستهای شبکههای اجتماعی که اغلب فاقد زیرنویس دقیق هستند، بسیار سودمند خواهد بود.
یکی از ویژگیهای بارز این زیرنویسها، بهرهگیری از حروف بزرگ برای نمایش احساسات قوی است. برای مثال، اگر در یک ویدیو کلمهای با فریاد گفته شود، در زیرنویس آن کلمه با حروف بزرگ نمایش داده میشود. این سیستم میتواند مواردی همانند آه کشیدن، نفس عمیق و حتی صداهای پسزمینه همانند تشویق را تشخیص داده و به شکل مناسب در زیرنویس نمایش دهد.
زیرنویسهای احساسی در جدیدترین تلفنهای اندروید با اندروید ۱۴ و بالاتر و قابلیت زیرنویس زنده در دسترس است. این قابلیت را میتوان در انواع گوناگون ویدیوها از جمله لایو استریمها، ویدیوهای گوگل فوتوز و حتی محتوای ویدیویی دیگر بهره برد. زیرنویسهای احساسی حتی در حالت آفلاین نیز قابل استفاده میباشند.
تیمهای اندروید و گوگل دپمایند با همکاری یکدیگر، الگوریتمهای هوش مصنوعی قدرتمندی را توسعه دادهاند که قادر به تشخیص و تحلیل پیچیدگیهای صدا و تبدیل آنها به زیرنویسهای احساسی هستند. این زیرنویسها گامی بزرگ در جهت دسترسیپذیری محتوای ویدیویی برای همه افراد، بهویژه افرادی که دارای اختلالات شنوایی هستند، محسوب میشود. همچنین این فناوری میتواند برای آموزش زبانهای خارجی، تولید محتوا و کاربردهای بسیاری دیگر سودمند باشد.
