智慧媒資源服務(wù)平臺-運(yùn)籌軟件

智能場景切分

1）AI的識別結(jié)果，要求經(jīng)過大數(shù)據(jù)的清洗、分析、聚合等處理后，形成帶時(shí)碼的場景，每個(gè)場景下有關(guān)鍵幀鏡頭，輔助人工切分片段。系統(tǒng)將各個(gè)場景中具有代表性的關(guān)鍵畫面以及物體、場景等內(nèi)容標(biāo)簽進(jìn)行展現(xiàn)，方便快速了解內(nèi)容重點(diǎn)，直接定位到所需內(nèi)容。提供產(chǎn)品截圖證明。

2）要求支持按多模態(tài)結(jié)果的綜合維度對新聞?lì)?/span>視頻內(nèi)容進(jìn)行自動(dòng)的段落邏輯拆分。

3）要求支持按時(shí)序展現(xiàn)多段拆分結(jié)果，并且在每一段落單元中均以最直觀的方式展現(xiàn)代表性畫面、以及物體、內(nèi)容等客觀描述內(nèi)容的實(shí)體標(biāo)簽。

4）支持按多模態(tài)結(jié)果的綜合維度對新聞?lì)?/span>視頻內(nèi)容進(jìn)行自動(dòng)的段落邏輯拆分，并且可以按照廣電四層編目結(jié)構(gòu)，自動(dòng)切分出片段、場景、鏡頭。

5）◆支持對視頻內(nèi)容進(jìn)行結(jié)構(gòu)化分析，具備視頻的鏡頭、場景、片段的切分能力；

6）◆應(yīng)具備對新聞標(biāo)題的提取能力；

7）支持按時(shí)序展現(xiàn)多段拆分結(jié)果，并且在每一段落單元中均以最直觀的方式展現(xiàn)代表性畫面、內(nèi)容等客觀描述內(nèi)容的實(shí)體標(biāo)簽；

8）支持按照不同節(jié)目類型進(jìn)行不同AI模板的切分，聯(lián)播新聞?lì)惞?jié)目可以按照廣電四層要求進(jìn)行切分，外拍素材能夠使用智能能力獨(dú)立處理功能進(jìn)行分析，外購節(jié)目只需要識別人物、圖片需要識別人物、OCR、場景識別等；

9）應(yīng)具備對視頻畫面中景別進(jìn)行識別的能力；

10）支持智能拆條功能，新聞?lì)惒饤l準(zhǔn)確率要達(dá)到90%；

11）投標(biāo)時(shí)需要說明使用引擎的廠商與規(guī)格。

4.2 人臉識別

要求經(jīng)過人臉識別處理以及人物庫比對，將視頻中的人臉全部提取出來并將人臉特征量化，以人物名稱+時(shí)碼方式展現(xiàn)，并且以人臉為基礎(chǔ)對結(jié)果進(jìn)行聚類展現(xiàn)，對人物庫中的敏感人物，以標(biāo)紅突出展現(xiàn)，方便用戶閱讀。

1)  要求識別視頻、圖片中所有可識別的人臉，生成標(biāo)簽，與時(shí)碼線關(guān)聯(lián)。已錄入人臉庫的標(biāo)簽顯示人名，未入庫的標(biāo)記為陌生人。如為敏感人物，以醒目方式提示。

2)  要求點(diǎn)擊識別到的人臉后，視頻、圖片中的對應(yīng)人臉加框標(biāo)注。

3)  要求可識60×60像素以上的人臉。

4)  要求人臉識別的置信度區(qū)間可調(diào)。

5)  支持刪除識別錯(cuò)誤的人臉，以及框選人臉進(jìn)行標(biāo)注。對應(yīng)的人臉要以方框標(biāo)注（包括照片），方便用戶識別；

6)  國家/省級的敏感人物庫、劣跡藝人庫要求由承建商負(fù)責(zé)維護(hù)。

7)  要求支持標(biāo)簽庫、人物庫的添加、刪除、修改和查詢。人物庫中的信息修改以后，相關(guān)素材的人物標(biāo)簽要求實(shí)時(shí)刷新。

8)  單一引擎每天處理時(shí)間不低于240小時(shí)。

9)  人臉識別應(yīng)用獨(dú)立化。

10) 投標(biāo)時(shí)需要說明使用引擎的廠商與規(guī)格。

4.3 語音識別

要求經(jīng)過語音識別、對視音頻進(jìn)行轉(zhuǎn)寫文字處理，以時(shí)碼+文字的列表方式展現(xiàn)識別結(jié)果，編目人員可對識別結(jié)果進(jìn)行文字修改。提供產(chǎn)品截圖證明。

1)   支持對視音頻中的演講、對話等語音內(nèi)容進(jìn)行識別及文字轉(zhuǎn)寫。

2)   端點(diǎn)檢測：支持檢測出有效語音的起始點(diǎn)即前端點(diǎn)，檢測出有效語音的結(jié)束點(diǎn)即后端點(diǎn)。

3)   智能語言處理：具備中文標(biāo)點(diǎn)智能預(yù)測，實(shí)現(xiàn)語音識別服務(wù)智能斷句的能力。

4)   數(shù)字格式智能轉(zhuǎn)換：根據(jù)語音內(nèi)容理解可以將數(shù)字序列、小數(shù)等正確轉(zhuǎn)換為數(shù)字格式，使得識別的數(shù)字結(jié)果更符合使用習(xí)慣，直觀自然。

5)   無明顯口音中文普通話識別準(zhǔn)確率不低于95%。

6)   要求將視音頻轉(zhuǎn)換成文字，并關(guān)聯(lián)時(shí)碼線，以列表形式展現(xiàn)。要求支持帶時(shí)碼的srt文本、純文本導(dǎo)出。

7)   識別到敏感詞匯后，需要有醒目提醒標(biāo)識。

8)   單一引擎每天處理時(shí)間不低于280小時(shí)。

9)   語音識別應(yīng)用獨(dú)立化。

10)  投標(biāo)時(shí)需要說明使用引擎的廠商與規(guī)格。

4.4 OCR字幕識別

  要求經(jīng)過對視頻畫面、圖片的OCR提取、識別、去重，將畫面中的有效字幕識別為文本，以時(shí)碼+文字的列表方式展現(xiàn)識別結(jié)果，編目人員可對識別結(jié)果進(jìn)行文字修改，提供產(chǎn)品截圖證明。

◆1) 支持OCR畫面識別并提取畫面文字

2) 要求通過OCR字幕識別，可以將字幕中的重要信息，如地點(diǎn)、人物、時(shí)間、事件、場景等信息識別出來，作為智能標(biāo)簽。

3) 要求將視頻、圖片中的所有字幕轉(zhuǎn)換成文字，并關(guān)聯(lián)時(shí)碼線，以列表形式展現(xiàn)。要求支持指定區(qū)域的字幕識別。要求支持帶時(shí)碼的srt文本、純文本導(dǎo)出。

4) 應(yīng)具備對視頻畫面中“滾動(dòng)字幕”的提取能力。

5) 應(yīng)具備對視頻畫面中“標(biāo)題字幕”提取的能力。

6) 要求能識別出圖片的基本信息，包括圖片的GPS信息（只針對帶有GPS信息的圖片做要求）。識別出的GPS信息可以帶入標(biāo)簽關(guān)鍵詞。

7) 支持對視頻畫面中出現(xiàn)的文字信息，如標(biāo)題、字幕等通用文字內(nèi)容進(jìn)行識別。

8) 可識別中文、英文、數(shù)字、標(biāo)點(diǎn)符號等文本內(nèi)容。

9) 單一引擎每天處理時(shí)間不低于120小時(shí)。

10) OCR識別應(yīng)用獨(dú)立化。

11) 投標(biāo)時(shí)需要說明使用引擎的廠商與規(guī)格。

12) 臺方會根據(jù)AI引擎處理性能進(jìn)行打分。

4.5 NLP

NLP：對文本內(nèi)容，如稿件內(nèi)容、語音識別的文字、OCR提取的文字，進(jìn)行多模態(tài)的NLP自然語言分析，最終形成分類、主題、內(nèi)容摘要、關(guān)鍵詞、實(shí)體詞等，而實(shí)體詞、關(guān)鍵詞將與智能圖片識別的機(jī)器標(biāo)簽，一起經(jīng)過大數(shù)據(jù)的清洗、整合，最終形成智能標(biāo)簽，如人物、時(shí)間、地點(diǎn)、內(nèi)容、景別等標(biāo)簽及摘要，提供產(chǎn)品截圖證明材料并加蓋供應(yīng)商公章。

投標(biāo)時(shí)需要說明使用引擎廠商與規(guī)格。

4.6 AI 能力獨(dú)立化應(yīng)用

媒資門戶提供AI能力單獨(dú)應(yīng)用界面，對智慧媒資能力中臺中的智能人臉、智能語音及OCR識別能力進(jìn)行單獨(dú)調(diào)用，形成獨(dú)立的AI工具服務(wù)提供給臺內(nèi)各部門用戶。做到能力復(fù)用，資源利用率最大化。

1) 作為應(yīng)用部署到平臺中，獨(dú)立用戶頁面，集成到統(tǒng)一門戶，實(shí)現(xiàn)單點(diǎn)登錄；

2) 用戶可根據(jù)自身需求，勾選相應(yīng)的AI能力對節(jié)目素材進(jìn)行識別處理；

3）要求AI工具箱將以BS架構(gòu)的方式提供給用戶，用戶選擇完需要的AI能力后，將相應(yīng)素材上傳，后臺即可開始調(diào)用AI進(jìn)行分析。后續(xù)分析結(jié)果，用戶可在AI工具箱以及AI任務(wù)管理平臺進(jìn)行查詢。