기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

비디오

BDA는 비디오에 대한 인사이트를 처리하고 생성하기 위한 표준 출력 세트를 제공합니다. 각 작업 유형에 대한 자세한 내용은 다음과 같습니다.

전체 비디오 요약

전체 비디오 요약은 전체 비디오의 전체 요약을 생성합니다. 비디오 전체에 표시되는 주요 테마, 이벤트 및 정보를 간결한 요약으로 추출합니다. 전체 비디오 요약은 제품 개요, 교육, 뉴스 캐스트, 토크 쇼, 다큐멘터리와 같은 설명이 포함된 대화가 포함된 콘텐츠에 최적화되어 있습니다. BDA는 전체 비디오 요약 및 장면 요약에서 오디오 신호(예: 화자가 자신을 소개함) 또는 시각적 신호(예: 프레젠테이션 슬라이드에 화자의 이름이 표시됨)를 기반으로 각 고유 화자의 이름을 제공하려고 시도합니다. 고유한 화자 이름이 확인되지 않으면 고유한 번호(예: speaker_0)로 표시됩니다.

챕터 요약

비디오 장 요약은 비디오 내의 개별 장면에 대한 설명 요약을 제공합니다. 비디오 장은 비디오 내에서 일관된 작업 단위 또는 서술을 구성하는 일련의 샷입니다. 이 기능은 시각적 신호와 가청 신호에 따라 비디오를 의미 있는 세그먼트로 나누고, 해당 세그먼트에 대한 타임스탬프를 제공하고, 각 세그먼트를 요약합니다.

IAB 분류

대화형 광고국(IAB) 분류는 표준 광고 분류를 적용하여 시각적 및 오디오 요소를 기반으로 비디오 장면을 분류합니다. 미리 보기의 경우 BDA는 24개의 최상위(L1) 범주와 85개의 2단계(L2) 범주를 지원합니다. BDA에서 지원하는 IAB 범주 목록을 다운로드하려면 여기를 클릭하세요.

전체 오디오 트랜스크립트

전체 오디오 트랜스크립트 기능은 오디오 파일의 모든 음성에 대한 전체 텍스트 표현을 제공합니다. 고급 음성 인식 기술을 사용하여 대화, 내레이션 및 기타 오디오 요소를 정확하게 트랜스크립션합니다. 트랜스크립션에는 화자 식별이 포함되어 있으므로 화자를 기반으로 오디오 콘텐츠를 쉽게 탐색하고 검색할 수 있습니다.

비디오의 텍스트

이 기능은 비디오에 시각적으로 표시되는 텍스트를 감지하고 추출합니다. 정적 텍스트(예: 제목 또는 캡션)와 동적 텍스트(예: 그래픽으로 텍스트 이동)를 모두 식별할 수 있습니다. 이미지 텍스트 감지와 마찬가지로 감지된 각 텍스트 요소에 대한 경계 상자 정보를 제공하므로 비디오 프레임 내에서 정확한 현지화를 수행할 수 있습니다.

로고 감지

이 기능은 비디오에서 로고를 식별하고 비디오 프레임 내에서 감지된 각 로고의 좌표와 신뢰도 점수를 나타내는 경계 상자 정보를 제공합니다. 이 기능은 기본적으로 활성화되어 있지 않습니다.

콘텐츠 조정

콘텐츠 조절은 비디오에서 부적절하거나 원치 않거나 불쾌감을 주는 콘텐츠를 감지합니다. BDA는 7가지 조절 범주, 즉 친밀한 부분의 명시적, 비명시적 누드와 키스, 수영복 또는 속옷, 폭력, 마약 및 담배, 알코올, 증오 기호를 지원합니다. 비디오의 명시적 텍스트에는 플래그가 지정되지 않습니다.

텍스트 감지와 같은 관련 기능에 대해 경계 상자 및 관련 신뢰도 점수를 활성화하거나 비활성화하여 비디오 파일에 위치 좌표와 타임스탬프를 제공할 수 있습니다. 기본적으로 전체 비디오 요약, 장면 요약 및 비디오 텍스트 감지가 활성화됩니다.

비디오 표준 출력

다음은 BDA를 통해 처리된 비디오에 대한 표준 출력의 예입니다.

{
"metadata": {
    "asset_id": "0",
    "semantic_modality": "VIDEO",
    "s3_bucket": "bedrock-data-automation-gamma-assets-us-east-1",
    "s3_key": "demo-assets/Video/MakingTheCut.mp4",
    "format": "QuickTime / MOV",
    "frame_rate": 30,
    "codec": "h264",
    "duration_millis": 378233,
    "frame_width": 852,
    "frame_height": 480
  },

이 초기 섹션에서는 비디오와 관련된 메타데이터 정보를 다룹니다. 여기에는 버킷 위치, 형식, 프레임 속도 및 기타 주요 정보가 포함됩니다.

"shots": [ ...

    {
      "shot_index": 3,
      "start_timecode_smpte": "00:00:08:19",
      "end_timecode_smpte": "00:00:09:25",
      "start_timestamp_millis": 8633,
      "end_timestamp_millis": 9833,
      "start_frame_index": 259,
      "end_frame_index": 295,
      "duration_smpte": "00:00:01:06",
      "duration_millis": 1200,
      "duration_frames": 36,
      "confidence": 0.9956437242589935,
      "chapter_indices": [
        1
      ]
    },

다음은 응답의 샷 요소의 예입니다. 샷은 비디오의 작은 부분을 나타내며 일반적으로 비디오의 편집 또는 잘라내기와 연결됩니다. 샷에는 시작 및 종료 요소와 chapter_indicies 요소가 포함됩니다. 이 요소는 샷이 포함된 장이라는 비디오의 더 큰 섹션을 나타냅니다.

"chapters": [
    {
      "start_timecode_smpte": "00:00:00:00",
      "end_timecode_smpte": "00:00:08:18",
      "start_timestamp_millis": 0,
      "end_timestamp_millis": 8600,
      "start_frame_index": 0,
      "end_frame_index": 258,
      "duration_millis": 8600,
      "shot_indices": [
        0,
        1,
        2
      ],
      "summary": "At an elegant outdoor venue, a man in a suit and a woman in a patterned dress stand on a raised platform overlooking a reflective pool. The setting is adorned with palm trees and lush greenery, creating a tropical atmosphere. The man initiates the event by asking if they should begin, to which the woman responds affirmatively. As the scene progresses, the focus shifts to a woman wearing a distinctive black and white patterned coat, her hair styled in a bun. She stands alone in a dimly lit room, facing away from the camera. The narrative then moves to a formal setting where a man in a dark suit stands before a curtain backdrop, suggesting he may be about to address an audience or perform. The scene concludes with a view of the entire venue, showcasing its tropical charm with a swimming pool surrounded by palm trees and decorative lighting, indicating it's prepared for a special occasion.",

챕터는 비디오의 더 큰 부분입니다. 그런 다음 샷 및 shot_indicies 요소와 같은 시작 및 종료 정보를 포함합니다. shot_indicies는 장 내에 있는 샷을 알려줍니다. 마지막으로 요약 요소는 장의 내용에 대해 생성된 요약을 제공합니다.

 "frames": [...
         {
          "timecode_smpte": "00:00:03:15",
          "timestamp_millis": 3500,
          "frame_index": 105,
          "content_moderation": [],
          "text_words": [
            {
              "id": "266db64a-a7dc-463c-b710-7a178a2cc4cc",
              "type": "TEXT_WORD",
              "confidence": 0.99844897,
              "text": "ANDREA",
              "locations": [
                {
                  "bounding_box": {
                    "left": 0.1056338,
                    "top": 0.7363281,
                    "width": 0.19806337,
                    "height": 0.068359375
                  },
                  "polygon": [
                    {
                      "x": 0.1056338,
                      "y": 0.7363281
                    },
                    {
                      "x": 0.30369717,
                      "y": 0.7363281
                    },
                    {
                      "x": 0.30369717,
                      "y": 0.8046875
                    },
                    {
                      "x": 0.1056338,
                      "y": 0.8046875
                    }
                  ]
                }
              ],
              "line_id": "57b760fc-c410-418e-aee3-7c7ba58a71c2"
            },      

비디오의 가장 작은 세분성은 비디오 내의 단일 이미지를 나타내는 프레임입니다. 프레임에는 두 가지 중요한 응답 요소인 content_moderation과 text_words가 있습니다. 첫 번째인 content_moderation은 감지된 프레임의 콘텐츠에 대한 콘텐츠 조절 카탈로그를 기반으로 정보를 제공합니다. 두 번째인 text_words는 자막과 같이 비디오에 나타나는 모든 텍스트에 대한 위치와 정보를 제공합니다.

    "statistics": {
    "shot_count": 148,
    "chapter_count": 11,
    "speaker_count": 11
  }
}

마지막으로 통계는 지정된 비디오에 있는 샷, 화자 및 챕터 수와 같은 감지에 대한 정보를 분석합니다.