Vertexi transkriptsiooniteenus
Juhtumi ülevaade
Tehisintellektil põhinev meedia töötlemise platvorm, mis on loodud miljonite minutite heli- ja videosisu käitlemiseks. See võtab aramea ja inglise keeles salvestatud õppetunnid ning teisendab need puhastatud, vormindatud tekstiks koos korrektselt vormistatud kirjapildi, diakriitiliste märkide, kontrollitud viidetega ja ajastatud subtiitritega. Kui tuleb videofail, tuvastab süsteem selle automaatselt, eraldab heliraja ja juhib läbi sama transkriptsioonitoru.
Eesmärk: Luua meediapipeline, mis suudab töödelda miljonite minutite mahus sisu ning tarnida avaldamiseks valmis teksti, subtiitreid ja HLS vooge – võimalikult vähe käsitsi tööd nõudes. Töötleda nii heli kui videot ühe torujuhtme kaudu, transkribeerida mitmekeelseid aineid kõrge täpsusega ning skaleeruda dünaamiliselt Kubernetesel, et hallata üle 300 samaaegset salvestust.
Projekti põhiinfo
Tööstusharud
Teenused
Lahendused
Tehnoloogiad
Väljakutsed
Segakeelse keerukus
Heli vahetub salvestuse ajal aramea, inglise ja teiste keelte vahel. Oli vaja spetsiaalset tehisintellekti juhendamist ja mitmeastmelist tekstitöötlust, et kogu jooksul rakendada korrektsed diakriitilised märgid ja vormindus.
Video ja heli ühes pipeline'is
Süsteem pidi töötlema nii puhast heli kui ka videokonteinereid. FFprobe-põhine automaatne tuvastus eraldab heli igast videoformaadist enne töötlemist – kasutaja sekkumist ei nõuta.
Mahutavus miljonitele minutitele
Algselt loodud suure mahuga töötluseks: täielikult asünkroonne, paralleelne ja Kubernetes-natiivne, korraliku ressursihaldusega, mis suudab mahuhõive tipud ära neelata.
Nutikas failide jagamine pikkade loengute heli puhul
Loengud kestavad sageli üle tunni. Vaikuse põhine failide jagamine lõikab faile loomulikult, ajaliste siltide kokkuliitmine loob sujuva pideva ajajoone ilma vahedeta.
Nutikas taaskäivitussüsteem tehisintellekti töökogude jaoks
Sadade samaaegsete tehisintellekti tööde puhul suruvad piirangud teenusepakkujale kõvasti. Nutikas taaskäivituse loogika, adaptiivne eksponentsiaalne tagasilöök ja järjekorra haldus hoiavad pipeline'i töös ilma tööde kaotamiseta.
Tehisintellekti mudeli valik kulutõhususeks
Kolmest AI mudelist – võimas, kiire ja kergekaaluline – valitakse dünaamiliselt sisu pikkuse ja keerukuse põhjal, võimaldades kuni 60% madalamaid API kulusid lühema sisu puhul.
Protsess
Iga fail – olgu see toorheli loeng või täielik videosalvestus – liigub läbi ühe automatiseeritud torujuhtme. Kaheksa järjestikust etappi viivad selle tooringist avaldamiseks valmis väljundiks, videote töötlemine käib paralleelselt, nii et midagi ei pea teist ootama.
Meedia tuvastamine ja ettevalmistus
Vaikusepõhine heli lõikamine
Tehisintellekti transkriptsioon
Ajaskaala ühendamine
Teksti järel-töötlus
Video töötlemine (paralleelselt)
Subtiitrite ja kokkuvõtete genereerimine
Pilve kaudu tarnimine
Lahendused
Lahenduse põhifunktsioonid
Ühtne heli- ja videoside torujuhe — FFprobe tuvastab vormingud automaatselt. Üks sissepääsuhaldur käsitleb MP4, MKV, WebM, MOV ja heli ilma käsitsi konverteerimiseta.
Mitmekeelne tehisintellekti transkriptsioon — Käitleb inglise, aramea ja segakeelseid salvestisi, kasutades juhendamist, mis säilitab keelepiirid ja rakendab õigeid kirjutamisreegleid.
Dünaamiline tehisintellekti mudelite valik — Pro, Flash ja Flash-Lite tasemed valitakse automaatselt faili pikkuse ja sisu tüübi järgi — maksimeerides täpsust ja minimeerides API-kulusid.
HLS mitmekordse bitikiirusega voogedastus — Paralleelne videoprotsessimine loob kohanduva bitikiirusega voogusid, pisipilte ja eelvaateklippe, mis on valmis mis tahes tänapäevaseks videopleieriks.
300+ samaaegset partiitööd — Kubernetesi-natiivne asünkroonne arhitektuur käsitleb suuri partiisid blokeerimata. Helm-diagrammid haldavad juurutamist ja skaalaid ARM-i instantsidel.
Tulemused numbrites
99%
Täpsus inglise ja aramea helisisu puhul, kus kirjutamisreeglid ja diakriitilised märgid rakendatakse automaatselt.
300+
Transkriptsioonitööd töödeldud samaaegselt nutika järjekorrahalduse ja adaptiivse tagasipotentsiaaliga.
60%
Säästud dünaamilise mudelivaliku kaudu — kergemad mudelid töötlevad automaatselt lühemaid sisu.
100%
nullandmekadu ka ühenduse katkemise korral, automaatne sünkroonimine ühenduse taastumisel.
