Recherche vidéo plus précise

Startup basée à Boston Tout le monde a lancé un moteur de recherche qui, espère-t-il, changera la façon dont les gens recherchent de l'audio et de la vidéo en ligne. Anciennement connu sous le nom de PodZinger, un moteur de recherche de podcasts, EveryZing exploite les systèmes vocaux développés par une société de technologie BBN qui peut convertir les mots prononcés en texte interrogeable avec une précision d'environ 80 %. Cela surpasse les autres systèmes disponibles dans le commerce, déclare Tom Wilde, PDG d'EveryZing.

Repères audio : Un nouveau moteur de recherche vidéo et audio peut convertir l'audio en transcription de texte avec une précision de 80 %. C'est suffisant pour afficher des extraits de la transcription, diriger les utilisateurs vers l'endroit du fichier où un terme de recherche apparaît et résumer les concepts clés.

Cette grande précision permet de nouvelles capacités de recherche, dit Wilde, telles que la possibilité de fournir des transcriptions complètes de vidéo et d'audio, et la possibilité de diriger les gens vers l'endroit exact dans un fichier où un mot ou une phrase est prononcé. La technologie permettra également à l'entreprise de fournir des publicités ciblées associées à un contenu spécifique, un peu comme Google fournit des publicités basées sur le texte d'une page Web.

Le grand défi [dans la vidéo et l'audio en ligne] … est l'opacité du contenu médiatique, dit Wilde. Il est extrêmement difficile de savoir quelle gamme de contenu se trouve dans un clip vidéo ou audio. Le problème que nous voulons résoudre, dit-il, est la découvrabilité du multimédia dans la recherche Web. EveryZing le fait en extrayant le contenu des fichiers multimédias et en produisant du texte afin qu'il puisse tirer parti des outils de recherche de texte préexistants développés par Google et Yahoo.

Le Web explose avec le multimédia de YouTube, les podcasts, les reportages télévisés et les émissions de la radio publique nationale. Mais il est toujours difficile de rechercher Barack Obama et de retrouver toutes les instances sur le Web dans lesquelles son nom est mentionné. En règle générale, les titres des clips et les balises que les gens leur attribuent ne contiennent pas suffisamment d'informations pour donner des résultats de recherche utiles. Et c'est pourquoi une poignée d'entreprises au cours des deux dernières années ont exploré l'utilisation du contenu audio comme guide. Par exemple, le moteur de recherche vidéo Blinkx utilise la technologie de reconnaissance vocale pour parcourir l'ensemble du Web à la recherche de contenu pertinent, en l'agrégeant sur un seul site, tout comme Google agrège les pages Web. (Voir Surfer sur la télévision sur Internet .)

Les objectifs commerciaux d'EveryZing diffèrent de ceux de Blinkx, dit Wilde, et il soupçonne que les deux approches peuvent se compléter. Notre objectif est de commercialiser du contenu, pas de troller le Web, dit-il. EveryZing (qui, comme Blinkx, fournit un portail de recherche pour les internautes) souhaite principalement s'associer avec des fournisseurs de contenu pour rendre leur multimédia consultable. Par exemple, la société souhaite convertir tout le contenu audio et vidéo d'ABC.com en texte interrogeable, en ajoutant des horodatages à ce texte (ainsi qu'un texte sous-titré préexistant) afin qu'une personne puisse immédiatement accéder à un mot spécifique dans un agrafe.

De plus, contrairement à la technologie actuelle de Blinkx, la technologie de BBN permet à EveryZing d'extraire des concepts de haut niveau qui n'auraient peut-être pas été recherchés à l'origine. Si quelqu'un a recherché Barack Obama, par exemple, EveryZing pourrait également proposer d'autres mots-clés dans le clip, tels que rallye.

L'idée d'utiliser des transcriptions audio pour rechercher du multimédia existe dans les laboratoires de recherche depuis des décennies, et la recherche de base sur la reconnaissance vocale remonte encore plus tôt. Une grande partie du travail fondateur a eu lieu au BBN, au MIT, à l'Université Carnegie Mellon, à IBM et à SRI International. En 1995, Carnegie Mellon a fait une démonstration de travail d'un système de recherche vidéo similaire, dit Richard Stern , professeur de génie électrique et informatique à l'université. Ce système, appelé Informédia , a stimulé d'autres recherches dans le domaine, dit-il, et a été le précurseur de l'approche d'analyse vidéo moderne de BBN.

La technologie sous-jacente d'EveryZing est composée de deux technologies de base de BBN, basé à Boston. Le système principal de synthèse vocale, appelé Byblos, a été financé par 50 millions de dollars de fonds de recherche sur la base d'une série de subventions gouvernementales au cours des cinq dernières années, a déclaré Wilde. À l'aide d'algorithmes probabilistes d'apprentissage automatique, le système prend une minute pour convertir chaque minute de contenu audio en texte.

La deuxième partie de la technologie, dit Wilde, ce sont les algorithmes qui traitent le contenu du texte. La technologie de langage naturel de BBN contient d'énormes stocks de phrases et de mots pour le contexte, ce qui l'aide à donner un sens à une vidéo. Par exemple, un segment d'actualités sur la santé peut utiliser un langage spécifique au domaine médical. Dans ce cas, le système serait capable de reconnaître certains mots obscurs. Comprendre le sens du texte est un outil puissant, dit Wilde, car il permet à EveryZing de fournir des concepts de haut niveau aux utilisateurs afin qu'ils puissent affiner leur recherche. Et surtout, cela permet à l'entreprise d'associer des publicités ciblées avec le bon contenu.

Le moment est venu pour un moteur de recherche vidéo avec ces capacités, déclare Stern de Carnegie Mellon. La vidéo est un média beaucoup plus captivant et divertissant qu'un simple texte, dit-il, et maintenant une grande partie est disponible sur Internet. Il ajoute que la précision de 80 % de BBN est vraiment un exploit, et qu'elle devrait être suffisante pour rechercher les trésors de contenu en ligne.

Bien que la technologie soit bonne, elle n'est pas parfaite, dit Wilde d'EveryZing. La précision diminue lorsqu'une musique de fond est présente et s'il y a plusieurs personnes qui parlent en même temps. Mais pour le marché de l'infodivertissement et de l'actualité que l'entreprise cible actuellement, la technologie devrait offrir une amélioration significative par rapport à ce qui est actuellement disponible, dit-il. Je pense que nous regarderons en arrière dans quelques années et dirons : « Bien sûr, le contenu des fichiers multimédias doit être consultable », déclare Wilde. Ce serait comme si les pages Web ne pouvaient être recherchées que par titre et balise.

cacher