Metin tabanlı duygu algılama analizleri alın

Duygu algılama, bir videodaki transkript satırlarındaki duyguları bulur. Her cümle öfke, korku, sevinç, üzgün olarak algılanır veya başka bir duygu bulunmazsa hiçbiri olarak algılanır.

Önemli

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

Metin tabanlı duygu algılama kullanım örnekleri

• İçerik oluşturucuları ve video düzenleyicileri - İçerik oluşturucuları ve video düzenleyicileri, videolarının metin transkriptlerinde ifade edilen duyguları analiz etmek için sistemi kullanabilir. Analiz, içeriklerinin duygusal tonu hakkında içgörüler elde etmelerine yardımcı olarak 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 çağrıştırdığı duyguları anlamak, iletileri daha etkili bir şekilde uyarlamalarına ve kampanyalarının başarısını ölçmelerine yardımcı olur.
• Video tüketicileri ve izleyicileri - İzleyiciler veya video içeriği tüketicileri gibi son kullanıcılar, videoları tamamen izlemek zorunda kalmadan videoların duygusal bağlamını anlayarak sistemden yararlanabilir. Videoyu izlemeye değer mi yoksa zamanları sınırlı olan kişiler için mi karar vermek isteyen kullanıcılar için yararlıdır.
• Eğlence sektörü uzmanları - Film yapımcıları veya yönetmenleri gibi eğlence sektöründeki profesyoneller, film betiklerinin veya hikaye akışlarının duygusal etkisini ölçmek için sistemi kullanabilir ve betik geliştirme ve izleyici katılımına yardımcı olabilir.

Not

Metin tabanlı duygu algılama, dilden bağımsızdır. Ancak, transkript İngilizce değilse, ilk olarak İngilizceye çevrilir. Yalnızca o zaman model uygulanır. İngilizce olmayan diller için duygu algılamada doğruluğun azalmasına neden olabilir.

Web portalı ile içgörü JSON'unu görüntüleme

Videoyu karşıya yükleyip dizine ekledikten sonra web portalından JSON biçiminde içgörüler indirin.

1. Kitaplık sekmesini seçin.
2. İstediğiniz medyayı seçin.
3. İndir'i ve ardından İçgörüler (JSON) öğesini seçin. JSON dosyası yeni bir tarayıcı sekmesinde açılır.
4. Örnek yanıtta açıklanan anahtar çiftini bulun.

API’yi kullanma

1. Video Dizini Al isteği kullanın. geçirin &includeSummarizedInsights=false.
2. Örnek yanıtta açıklanan anahtar çiftlerini bulun.

Örnek yanıt

"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"
      }

Önemli

Tüm VI özellikleri için saydamlık notunun genel bakışını okuyun. Her içgörü ayrıca kendi saydamlık notlarına sahiptir.

Metin tabanlı duygu algılama notları

• 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.
• Bu duygu algılama modeli, videonun transkriptindeki cümlelerin ardındaki yaklaşımı belirlemeye yardımcı olmak için tasarlanmıştır. Ancak, yalnızca metnin kendisi üzerinde çalışır ve alaycı girişler veya girişin belirsiz ya da net olmadığı durumlar için iyi performans göstermeyebilir.
• Bu modelin doğruluğunu artırmak için giriş verilerinin açık ve net bir biçimde olması önerilir. Kullanıcılar ayrıca bu modelin giriş verileriyle ilgili bağlamı olmadığını ve bunun doğruluğunu etkileyebileceğini de unutmayın.
• Bu model hem yalancı pozitif hem de yalancı 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 verileriyle ilgili herhangi bir bağlamı olmadığını unutmayın.
• Bu modelin çıkışları, bir bireyin duygusal durumu veya diğer insan özellikleri hakkında değerlendirmeler yapmak için KULLANILMAMALIDIR. 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.
• Model hiçbir zaman çalışan performansını değerlendirmek veya bireyleri izlemek için kullanılmamalıdır.
• Model hiçbir zaman bir kişi, duygusal durumu veya yetenekleri hakkında değerlendirmeler yapmak için kullanılmamalıdır.
• Modelin sonuçları yanlış olabilir ve dikkatli bir şekilde ele alınmalıdır.
• Modelin tahmindeki güvenilirliği de dikkate alınmalıdır.
• İngilizce olmayan videolar daha az doğru sonuçlar üretir.

Metin tabanlı 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 belirtilirse 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.

Örnek kod

VI için tüm örneklere bakın

İlgili içerik

• Azure AI Video Indexer belgeleri