Metin tabanlı duygu algılama

Makale
06/26/2024

Uyarı

Azure AI Video Indexer (VI) geçtiğimiz yıl kullanımdan kaldırılma nedeniyle Azure Media Services'a (AMS) bağımlılığının kaldırılmaya başlanacağını duyurdu. Özellik ayarlamaları ve değişiklikler duyuruldu ve bir geçiş kılavuzu sağlandı.

Geçişi tamamlamak için son tarih 30 Haziran 2024'dü. VI, VI hesabınızı güncelleştirebilmeniz ve AMS VI varlık geçişini 31 Ağustos 2024'e kadar kabul edebilmeniz için güncelleştirme/geçiş son tarihini uzatmıştır.

Ancak 30 Haziran'dan sonra VI hesabınızı güncelleştirmediyseniz yeni videoları dizine ekleyemez veya geçirilmemiş videoları oynatamazsınız. Hesabınızı 30 Haziran'dan sonra güncelleştirirseniz, dizin oluşturmayı hemen sürdürebilirsiniz, ancak AMS VI geçişi aracılığıyla geçirilene kadar hesap güncelleştirmeden önce dizine alınmış videoları oynatamazsınız.

Duygu algılama, videoların transkript satırlarındaki duyguları otomatik olarak algılayan bir Azure AI Video Indexer AI özelliğidir. Her cümle şu şekilde algılanabilir:

Öfke,
Korku,
Neşe,
Üzgün

Ya da başka bir duygu algılanmadıysa yukarıdakilerin hiçbiri.

Model yalnızca metin üzerinde çalışır (video transkriptlerinde duyguları etiketleme.) Bu model insanların duygusal durumunu çıkarmıyor, alaycı açıklamalar gibi girişin belirsiz veya belirsiz olduğu yerlerde performans göstermeyebilir. Bu nedenle model, çalışan performansını veya bir kişinin duygusal durumunu değerlendirme gibi şeyler için kullanılmamalıdır.

İçgörüleri görüntüleme

Web sitesinde çalışırken içgörüler İçgörüler sekmesinde görüntülenir. Ayrıca kimliği, türü ve göründükleri örneklerin listesini içeren bir JSON dosyasındaki kategorilere ayrılmış bir listede de oluşturulabilirler.

Örnekleri bir JSON dosyasında görüntülemek için aşağıdakileri yapın:

İndir -> İçgörüler (JSON) seçeneğini belirleyin.
Metni kopyalayın ve çevrimiçi bir JSON görüntüleyicisine yapıştırın.

"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" 
      },

JSON dosyasını API aracılığıyla indirmek için Azure AI Video Indexer geliştirici portalını kullanın.

Not

Metin tabanlı duygu algılama, dilden bağımsızdır, ancak transkript İngilizce değilse, önce İngilizceye çevrilir ve yalnızca o zaman model uygulanır. Bu, İngilizce olmayan diller için duygu algılamada doğruluğun azalmasına neden olabilir.

Duygu algılama bileşenleri

Duygu algılama işlemi sırasında videonun dökümü aşağıdaki gibi işlenir:

Bileşen	Tanım
Kaynak dil	Kullanıcı dizin oluşturmak için kaynak dosyayı karşıya yükler.
Transkripsiyon API'si	Ses dosyası Azure AI hizmetlerine gönderilir ve çevrilmiş döküm çıktısı döndürülür. Bir dil belirtildiyse işlenir.
Duygu algılama	Her cümle duygu algılama modeline gönderilir. Model her duygunun güvenilirlik düzeyini üretir. Güvenilirlik düzeyi belirli bir eşiği aşarsa ve pozitif ve negatif duygular arasında belirsizlik yoksa, duygu algılanır. Başka bir durumda, cümle nötr olarak etiketlenmiştir.
Güvenilirlik düzeyi	Algılanan duyguların tahmini güvenilirlik düzeyi 0 ile 1 arasında bir aralık olarak hesaplanır. Güvenilirlik puanı, sonucun doğruluğundaki kesinliği temsil eder. Örneğin, %82'lik bir kesinlik 0,82 puanı olarak gösterilir.

Giriş verileriyle ilgili sınırlamalar

Bir dosyayı karşıya yüklerken her zaman yüksek kaliteli ses ve video içeriği kullanın.

Saydamlık Notu

Saydamlık Notu'ne genel bakış

Duygu algılamaya özgü

Giriş: Bu model, bir videonun transkriptindeki duyguları algılamaya yardımcı olmak için tasarlanmıştır. Ancak, bir kişinin duygusal durumu, yetenekleri veya genel performansı hakkında değerlendirmeler yapmak için uygun değildir.

Kullanım örnekleri: Bu duygu algılama modeli, videonun transkriptindeki cümlelerin ardındaki yaklaşımı belirlemeye yardımcı olmak için tasarlanmıştır. Ancak, yalnızca metnin kendisi üzerinde çalışır ve alaycı giriş için veya girişin belirsiz veya belirsiz olabileceği durumlarda iyi performans göstermeyebilir.

Bilgi gereksinimleri: Bu modelin doğruluğunu artırmak için, giriş verilerinin net ve net bir biçimde olması önerilir. Kullanıcılar bu modelin giriş verileriyle ilgili bağlamı olmadığını ve bunun doğruluğunu etkileyebildiğini de unutmayın.

Sınırlamalar: Bu model hem hatalı pozitif hem de hatalı negatifler üretebilir. Her birinin olasılığını azaltmak için kullanıcıların giriş verileri ve ön işleme için en iyi yöntemleri izlemeleri ve çıkışları diğer ilgili bilgiler bağlamında yorumlamaları tavsiye edilir. Sistemin giriş verilerinin herhangi bir bağlamı olmadığını unutmayın.

Yorumlama: Bu modelin çıkışları, bir bireyin duygusal durumu veya diğer insan özellikleri hakkında değerlendirmeler yapmak için kullanılmamalıdır. Bu model İngilizce olarak desteklenir ve İngilizce olmayan girişlerle düzgün çalışmayabilir. Modele girmeden önce İngilizce girişler İngilizceye çevrilmiyor, bu nedenle daha az doğru sonuçlar üretebilir.

Amaçlanan kullanım örnekleri

İçerik Oluşturucuları ve Video Düzenleyicileri - İçerik oluşturucuları ve video düzenleyicileri, videolarının metin transkriptlerinde ifade edilen duyguları analiz etmek için sistemi kullanabilir. Bu, içeriklerinin duygusal tonu hakkında içgörüler elde etmelerine yardımcı olur ve anlatıda ince ayar yapmalarına, ilerlemeyi ayarlamalarına veya hedeflenen duygusal etkiyi izleyiciler üzerinde sağlamalarına olanak sağlar.
Medya Analistleri ve Araştırmacılar - Medya analistleri ve araştırmacılar, büyük hacimli video transkriptlerinin duygusal içeriğini hızla analiz etmek için sistemi kullanabilir. Belirli konularda veya ilgi alanlarındaki eğilimleri, desenleri veya duygusal yanıtları belirlemek için sistem tarafından oluşturulan duygusal zaman çizelgesini kullanabilirler.
Pazarlama ve Reklam Uzmanları - Pazarlama ve reklam uzmanları, kampanyalarının veya video reklamlarının duygusal alımını değerlendirmek için sistemi kullanabilir. İçeriklerinin uyandırdığı duyguları anlamak, iletileri daha etkili bir şekilde uyarlamalarına ve kampanyalarının başarısını ölçmelerine yardımcı olur.
Video Tüketicileri ve Görüntüleyicileri - İzleyiciler veya video içeriği tüketicileri gibi son kullanıcılar, videoları tamamen izlemek zorunda kalmadan videoların duygusal bağlamını anlayarak sistemden yararlanabilir. Bu, özellikle videoyu izlemeye değer mi yoksa zamanları sınırlı olanlar için mi karar vermek isteyen kullanıcılar için yararlıdır.
Eğlence Sektörü Profesyonelleri - Film yapımcıları veya yönetmenleri gibi eğlence sektöründeki profesyoneller, film betiklerinin veya hikayelerinin duygusal etkisini ölçmek için sistemi kullanabilir ve betik geliştirme ve izleyici katılımına yardımcı olabilir.

Diğer kullanım örneklerini seçerken dikkat edilmesi gerekenler

Model, çalışan performansını değerlendirmek ve bireyleri izlemek için kullanılmamalıdır.
Model, bir kişi, duygusal durumu veya yetenekleri hakkında değerlendirmeler yapmak için kullanılmamalıdır.
Bu bir yapay zeka sistemi olduğundan modelin sonuçları yanlış olabilir ve dikkatli davranılmalıdır.
Modelin tahmindeki güvenilirliği de dikkate alınmalıdır.
İngilizce olmayan videolar daha az doğru sonuçlar üretir.

Aracılığıyla paylaş