感情検出は、ビデオのトランスクリプト行で感情を検出します。 他の感情が見つからない場合、各文は 怒り、 恐怖、 喜び、 悲しみ、または なし として検出されます。
重要
モデルはテキストでのみ機能します (ビデオ トランスクリプトの感情にラベルを付けます)。このモデルは、人々の感情的な状態を推測しません。 そのため、皮肉な発言のように、入力があいまいまたは不明瞭な場合は実行されない可能性があります。 そのため、このモデルは、従業員の業績や人の感情的な状態の評価などに使用しないでください。
テキストベースの感情検出のユース ケース
- コンテンツ作成者とビデオ エディター - コンテンツ作成者とビデオ エディターは、システムを使用して、ビデオのテキスト トランスクリプトで表現された感情を分析できます。 分析は、コンテンツの感情的なトーンに関する分析情報を得るのに役立ちます。これにより、ストーリーを微調整したり、ペースを調整したり、対象ユーザーに意図した感情的な影響を与えたりすることができます。
- メディア アナリストと研究者 - メディア アナリストと研究者は、システムを使用して、大量のビデオ トランスクリプトの感情コンテンツを迅速に分析できます。 このシステムによって生成された感情のタイムラインを使用して、特定のトピックや関心領域の傾向、パターン、感情的な反応を特定できます。
- マーケティングと広告の専門家 - マーケティングと広告の専門家は、彼らのキャンペーンやビデオ広告の感情的な受信を評価するためにシステムを利用することができます。 コンテンツによって引き起こされた感情を理解することは、メッセージをより効果的に調整し、キャンペーンの成功を測定するのに役立ちます。
- ビデオコンシューマーと視聴者 - 視聴者やビデオ コンテンツのコンシューマーなどのエンド ユーザーは、ビデオを完全に視聴しなくても、ビデオの感情的なコンテキストを理解することで、システムの恩恵を受けることができます。 ビデオを視聴する価値があるかどうかを判断したいユーザーや、時間に余裕があるユーザーに役立ちます。
- エンターテインメント業界の専門家 - 映画プロデューサーやディレクターなどのエンターテインメント業界の専門家は、このシステムを利用して、映画のスクリプトやストーリーラインの感情的な影響を測定し、スクリプトの洗練と観客のエンゲージメントを支援できます。
注
テキストベースの感情検出は言語に依存しません。 ただし、トランスクリプトが英語でない場合は、最初に英語に翻訳されます。 その場合にのみ、モデルが適用されます。 英語以外の言語では、感情検出の精度が低下する可能性があります。
Web ポータルで分析情報 JSON を表示する
ビデオをアップロードしてインデックスを作成したら、Web ポータルから JSON 形式で分析情報をダウンロードします。
- Library タブを選択します。
- 目的のメディアを選択します。
- [ ダウンロード] を選択し、[ Insights (JSON)] を選択します。 JSON ファイルが新しいブラウザー タブで開きます。
- 応答例で説明されているキー ペアを見つけます。
API の使用
- ビデオ インデックスの取得要求を使用します。
&includeSummarizedInsights=falseを渡す。 - 応答例で説明されているキー ペアを見つけます。
応答の例
"emotions": [
{
"id": 1,
"type": "Sad",
"instances": [
{
"confidence": 0.5518,
"adjustedStart": "0:00:00",
"adjustedEnd": "0:00:05.75",
"start": "0:00:00",
"end": "0:00:05.75"
}
重要
すべてのVI機能の 透明度に関する注意事項の概要 をお読みください。 各分析情報には、独自の透明性に関するメモもあります。
テキストベースの感情検出に関するメモ
- このモデルは、ビデオのトランスクリプト内の感情を検出するのに役立ちます。 しかし、個人の感情状態、能力、全体的なパフォーマンスに関する評価を行うのには適していません。
- この感情検出モデルは、ビデオのトランスクリプト内の文の背後にあるセンチメントを判断するのに役立ちます。 ただし、テキスト自体でのみ機能し、皮肉な入力や、入力があいまいまたは不明確な場合には適切に機能しない可能性があります。
- このモデルの精度を高めるために、入力データは明確で明確な形式にすることをお勧めします。 また、このモデルには入力データに関するコンテキストがないため、精度に影響を与える可能性があることにも注意してください。
- このモデルでは、誤検知と検出漏れの両方が出力される可能性があります。 どちらの可能性も減らすために、ユーザーは入力データと前処理のベスト プラクティスに従い、他の関連情報のコンテキストで出力を解釈することが推奨されます。 システムには入力データのコンテキストがない点に注意することが重要です。
- このモデルの出力は、個人の感情状態やその他の人間の特性に関する評価を行うために使用しないでください。 このモデルは英語でサポートされており、英語以外の入力では正しく機能しない可能性があります。 モデルに入る前に英語の入力が英語に翻訳されていないので、結果の精度が低下する可能性があります。
- このモデルを使用して、従業員の業績を評価したり、個人を監視したりしないでください。
- モデルを使用して、人、感情状態、または能力に関する評価を行ってはいけません。
- モデルの結果は不正確になる可能性があり、慎重に扱う必要があります。
- 予測におけるモデルの信頼度も考慮する必要があります。
- 英語以外のビデオでは、精度の低い結果が生成されます。
テキストベースの感情検出コンポーネント
感情検出手順においては、ビデオの音声テキスは以下のように処理されます。
| コンポーネント | 定義 |
|---|---|
| ソース言語 | ユーザーは、インデックス作成のためにソース ファイルをアップロードします。 |
| 文字起こし API | オーディオ ファイルが Azure AI サービスに送信され、文字起こしと翻訳が行われた出力が返されます。 言語が指定されている場合は処理されます。 |
| 感情の検出 | 各文が感情検出モデルに送信されます。 モデルは、各感情の信頼度レベルを生成します。 信頼度レベルが特定のしきい値を超え、肯定的な感情と否定的な感情の間のあいまいさがない場合は、感情が検出されます。 それ以外の場合、文はニュートラルとしてラベル付けされます。 |
| 信頼レベル | 検出された感情の推定信頼度レベルは、0 から 1 の範囲で計算されます。 信頼度スコアは、結果の精度の確実性を表しています。 たとえば、82% の確実性はスコア 0.82 として表されます。 |