Een Azure AI-afbeeldings- en videoverwerkings- en generatietechnologie kiezen

Foundry Tools helpt ontwikkelaars en organisaties bij het maken van op AI gebaseerde, geavanceerde, productieklare toepassingen die zijn afgestemd op verantwoorde AI-procedures door gebruik te maken van kant-en-klare, vooraf gebouwde en aanpasbare API's en modellen.

In dit artikel worden de mogelijkheden voor video- en afbeeldingsverwerking in Foundry beschreven, zoals visuele analyse en het genereren van afbeeldingen, objectdetectie, afbeeldingsclassificatie en gezichtsherkenning. De suite bevat de volgende services:

  • Azure OpenAI in Foundry Models biedt toegang tot de volgende OpenAI-taalmodellen:

    • De nieuwste generatie GPT-modellen met vision- en audiomogelijkheden

    • DALL-E voor het genereren van afbeeldingen

    • Audiomodellen voor realtime spraakgesprekken, audiogeneratie, stT-transcriptie (spraak-naar-tekst), vertaling en tekst-naar-spraak (TTS)

    Gebruik Azure OpenAI voor het genereren van afbeeldingen uit natuurlijke taal, brede en niet-specifieke afbeeldingsanalyse of audioscenario's waarvoor geen speciale spraakservice is vereist.

  • Azure Vision in Foundry Tools biedt geavanceerde algoritmen waarmee afbeeldingen worden verwerkt en informatie wordt geretourneerd op basis van visuele functies. Het omvat optische tekenherkenning (OCR), afbeeldingsanalyse en gezichtsdetectiemogelijkheden.

  • Azure Machine Learning AutoML voor Computer Vision automatiseert modeltraining en hyperparameterafstemming voor afbeeldingsclassificatie, objectdetectie en instantiesegmentatie. U kunt het resulterende model downloaden of het model registreren en implementeren in Azure Machine Learning.

  • Azure Content Understanding in Foundry Tools maakt gebruik van generatieve AI om gestructureerde velden uit afbeeldingen en video te extraheren. Gebruik Azure Content Understanding wanneer u schemagedefinieerde extractie, scènesegmentatie of RAG-ready video-uitvoer nodig hebt.

  • Microsoft Azure AI Video Indexer is een AI-oplossing die organisaties kunnen gebruiken om diepe inzichten te verkrijgen uit video- en audio-inhoud. Het ondersteunt zowel live als geüploade bronnen met behulp van geavanceerde machine learning- en generatieve AI-modellen.

Azure OpenAI

Azure OpenAI biedt toegang tot de krachtige taalmodellen van OpenAI, waaronder de nieuwste generatie GPT-modellen met mogelijkheden voor afbeeldingen, video en audio. DALL-E- en GPT-afbeeldingsgeneratiemodellen en audiomodellen voor realtime spraakgesprekken, audiogeneratie en transcriptie, STT, spraakomzetting en TTS zijn ook beschikbaar.

Azure OpenAI gebruiken voor deze taken Gebruik Azure OpenAI niet voor deze taken
Genereer afbeeldingen uit beschrijvingen in natuurlijke taal met behulp van DALL-E- of GPT-beeldmodellen. Voer specifieke afbeeldingsverwerkingstaken uit, zoals formulierextractie of domeingespecialiseerde detectie. Gebruik Azure Document Intelligence voor deze taken.
Voer algemene, niet-specifieke analyses uit op afbeeldingen met behulp van modellen met vision-ondersteuning zoals GPT-4o. Extraheer gestructureerde velden uit afbeeldingen met behulp van een schema dat u definieert. Gebruik Azure Content Understanding voor schemagestuurde extractie.
Transcribeer STT of vertaal gesproken audio met behulp van Fluister- of GPT-4o-transcriptiemodellen. Menselijke gezichten detecteren, herkennen of analyseren. Gebruik Azure Vision voor gezichtsgerelateerde taken.
Schakel realtime spraakgesprekken met lage latentie in met behulp van GPT-4o Realtime-audiomodellen. Voer spraaktranscriptie met een hoog volume uit waarvoor geavanceerde aanpassingen, sprekerverdeling of aangepaste woordenlijst nodig zijn. Voor deze scenario's gebruikt u Azure Speech in Foundry Tools.
Toegankelijkheidsbeschrijvingen voor afbeeldingen genereren. Gebruik opensource-modellen voor het genereren van afbeeldingen. Gebruik Azure Machine Learning voor opensource-modellen.

Audiomodellen

Azure OpenAI biedt audiomodellen via de volgende API's:

  • De Realtime-API voor lage-latentie, realtime-spraakgesprekken

  • De CHAT-voltooiings-API met audio voor flexibele audiogeneratie en transcriptie in één modeloproep

  • De Audio-API via het /audio eindpunt voor op bestanden gebaseerde STT-transcriptie in Fluister- en GPT-4o-transcriptiemodellen, spraakomzetting en TTS

Azure Vision

Azure Vision is een service in Tools. Het biedt geavanceerde algoritmen die afbeeldingen verwerken en informatie retourneren op basis van de visuele functies die u opgeeft. Azure Vision bevat OCR-, afbeeldingsanalyse- en gezichtsdetectiemogelijkheden.

Azure Vision gebruiken voor deze taken Gebruik Azure Vision niet voor deze taken
Extraheren van gedrukte en handgeschreven tekst uit afbeeldingen en documenten met behulp van OCR. Voer geavanceerde videoanalyse uit, zoals transcriptie, vertaling of samenvatting van inhoud. Gebruik Video Indexer voor deze taken.
Analyseer afbeeldingen om visuele functies zoals objecten, gezichten en automatisch gegenereerde beschrijvingen te extraheren. Gematigde inhoud voor veiligheid. Voor inhoudsbeheer gebruikt u Content Safety in Foundry Control Plane.
Menselijke gezichten in afbeeldingen detecteren, herkennen en analyseren. Voer analyses uit die grote, multimodale basismodellen zoals GPT-4o al ondersteunen.

Beschikbare Azure Vision-functies

De volgende tabel bevat een lijst met functies die beschikbaar zijn in Azure Vision.

Feature Beschrijving
OCR Extraheert tekst uit afbeeldingen. U kunt de Read-API gebruiken om gedrukte en handgeschreven tekst uit foto's en documenten te extraheren. Het maakt gebruik van op deep learning gebaseerde modellen en werkt met tekst op verschillende oppervlakken en achtergronden, waaronder zakelijke documenten, facturen, bonnen, posters, visitekaartjes, brieven en whiteboards.
Afbeeldingsanalyse Extraheert veel visuele functies uit afbeeldingen, zoals objecten, gezichten, inhoud voor volwassenen en automatisch gegenereerde tekstbeschrijvingen. U kunt aangepaste afbeeldings-id-modellen maken met behulp van Afbeeldingsanalyse 4.0 op basis van het basismodel van Florence.
Gezichtsdetectie en -analyse Identificeert de regio's van een afbeelding die een menselijk gezicht bevatten, meestal door begrenzingsvakcoördinaten te retourneren die een rechthoek rond het gezicht vormen.
Vergelijkbare gezichten zoeken Vergelijkt een doelgezicht met een reeks kandidaatgezichten en bepaalt een kleinere groep gezichten die sterk lijken op het doelgezicht. Deze mogelijkheid is handig voor gezichtszoekopdrachten op afbeelding.
Gegroepeerde gezichten Verdeelt een set onbekende gezichten in verschillende kleinere groepen op basis van gelijkenis.
Gezichtsidentificatie Vindt één-op-veel overeenkomsten van één gezicht in een afbeelding met een set gezichten in een beveiligde database. Kandidaten worden teruggegeven op basis van hoe nauw hun gezichtsgegevens overeenkomen met het zoekopdrachtgezicht.
Gezichtsverificatie Gebruikt een-op-een matching om te bevestigen dat een gebruiker degene is die hij of zij beweert te zijn.
Levendheidsdetectie Een anti-spoofingfunctie die controleert of een gebruiker fysiek aanwezig is voor de camera. Voorkomt spoofingaanvallen die gebruikmaken van een afgedrukte foto, opgenomen video of een 3D-masker van het gezicht van de gebruiker.

Gebruiksvoorbeelden voor Azure Vision

De volgende tabel bevat een lijst met mogelijke use cases voor Azure Vision.

Gebruiksscenario Beschrijving
Alternatieve tekst voor afbeeldingen genereren (alternatieve tekst) Gebruik bijschriftmodellen voor afbeeldingsanalyse om automatisch alternatieve tekstbeschrijvingen voor afbeeldingen te genereren. Alternatieve tekst verbetert de toegankelijkheid voor gebruikers die blind of slechtziend zijn, helpt te voldoen aan wettelijke nalevingsvereisten en maakt uw website beter vindbaar via verbeterde SEO. Microsoft-producten zoals PowerPoint, Word en Edge gebruiken deze mogelijkheid.
Identiteitsverificatie Gebruik Azure Face om te bevestigen dat gebruikers zijn wie ze beweren te zijn. Verificatie vergelijkt een testafbeelding met een ingeschreven sjabloon, zoals een door de overheid uitgegeven id, voor scenario's voor toegangsbeheer. Deze aanpak helpt de gebruikerservaring en beveiliging te verbeteren in vergelijking met methoden op basis van kennis.
Gezichtsverhulling Gedetecteerde gezichten van personen die in een video zijn opgenomen, redacteren of vervagen om hun privacy te beschermen.
Toegangsbeheer zonder aanraakscherm Gebruik gezichtsidentificatie voor verbeterde toegangsbeheer terwijl u het onderhoud en de beveiligingsrisico's van het delen, verlies of diefstal van fysieke media vermindert. Gezichtsherkenning helpt het incheckproces met een mens in de lus voor check-ins op luchthavens, stadions, themaparken, gebouwen, receptie kiosken bij kantoren, ziekenhuizen, fitnessruimtes, clubs of scholen.

Azure Machine Learning AutoML

Azure Machine Learning AutoML voor Computer Vision biedt mogelijkheden voor beeldherkenning waarmee u automatisch uw afbeeldingsmodellen kunt bouwen, implementeren en verbeteren. Een afbeeldings-id past labels toe op afbeeldingen op basis van hun visuele kenmerken. Elk label vertegenwoordigt een classificatie of object. Gebruik Azure Machine Learning AutoML om uw eigen labels op te geven en aangepaste modellen te trainen om ze te detecteren.

Gebruik Azure Machine Learning AutoML voor deze taken Gebruik geen Azure Machine Learning AutoML voor deze taken
Ongebruikelijke objecten en productiefouten herkennen die door een standaardafbeeldingsanalyse niet kunnen worden gedetecteerd. Basisobjectdetectie of gezichtsdetectie uitvoeren. Gebruik in plaats daarvan Azure Vision .
Geef gedetailleerde aangepaste classificaties op voor specifieke zakelijke vereisten. Eenvoudige visuele analyse uitvoeren. Gebruik in plaats daarvan vision-compatibele modellen van Azure OpenAI of opensource-modellen in Machine Learning.
Train modellen met uw eigen gelabelde afbeeldingen voor gespecialiseerde scenario's.

Azure Machine Learning AutoML maakt gebruik van machine learning-algoritmen voor het analyseren van afbeeldingen voor aangepaste functies. Gelabelde afbeeldingsgegevens worden geleverd als aantekeningen. Het annotatieschema hangt af van de taak: labels op afbeeldingsniveau voor classificatie, begrenzingskaders voor objectdetectie en veelhoeken voor instantiesegmentatie. U kunt dergelijke aantekeningen maken met behulp van de ingebouwde functie Azure ML-gegevenslabels. De AutoML-algoritmen gebruiken vervolgens de aantekeningen en afbeeldingen om modelnauwkeurigheid te trainen en te berekenen door de modellen te testen op bewaringssets met afbeeldingen. Nadat AutoML het optimale model heeft getraind, kunt u het model testen, opnieuw trainen en uiteindelijk gebruiken in uw app voor afbeeldingsherkenning om afbeeldingen te classificeren of objecten te detecteren. U kunt het model ook exporteren voor offlinegebruik.

Beschikbare Azure Machine Learning AutoML-functies

De volgende tabel bevat een lijst met beschikbare functies.

Feature Beschrijving
(Multilabel) Afbeeldingsclassificatie Voorspel een categorie of klasse op basis van een set invoerwaarden, die functies worden genoemd. Bereken een waarschijnlijkheidsscore voor elke mogelijke klasse en retourneer een label dat de klasse aangeeft waartoe het object waarschijnlijk behoort. Als u dit model wilt gebruiken, hebt u gegevens nodig die bestaan uit functies en hun labels.
Objectdetectie Haal de coördinaten van een object in een afbeelding op. Als u dit model wilt gebruiken, hebt u gegevens nodig die bestaan uit functies en hun labels.
Exemplaarsegmentatie Identificeer objecten op pixelniveau en omlijn elk object met een veelhoek.

Toepassingsscenario's voor Azure Machine Learning AutoML voor Computer Vision

De volgende tabel bevat een lijst met mogelijke use cases voor Azure Machine Learning AutoML.

Gebruiksscenario Beschrijving
Afbeeldingen en objecten classificeren Analyseer foto's en scan op specifieke logo's door een aangepast model te trainen.

Azure Inhoudsbegrip

Azure Content Understanding is een service in Tools. Het maakt gebruik van generatieve AI om gestructureerde velden uit afbeeldingen en video te extraheren. U definieert een schema dat aangeeft wat moet worden geëxtraheerd en Azure Content Understanding past generatieve modellen toe om gestructureerde JSON- of RAG-kant-en-klare Markdown-uitvoer te produceren. Het biedt ook betrouwbaarheidsscores en gronding voor elke geëxtraheerde waarde, die geautomatiseerde werkstromen ondersteunt met gerichte menselijke beoordeling.

Azure Content Understanding gebruiken voor deze taken Gebruik Azure Content Understanding niet voor deze taken
Extraheer aangepaste gestructureerde velden uit afbeeldingen met behulp van een schema dat u definieert, zoals product, merk of defectdetectie. Voer een standaardafbeeldingsanalyse uit, zoals objectdetectie of OCR. Gebruik Azure Vision voor deze taken.
Genereer RAG-ready uitvoer van video, inclusief scènebeschrijvingen, transcripties en sleutelframes, voor gebruik in zoekindexen of chatagents. Extraheer uitgebreide video-inzichten, zoals identificatie van beroemdheden, sprekerinventarisatie of sentimentanalyse voor inhoud in lange vorm. Gebruik Video Indexer voor deze taken.
Segmenteer video in scènes en extraheer aangepaste metagegevens voor elk segment, zoals merk aanwezigheid of advertentiecategorie.
Genereer gezichtsbeschrijvingen in afbeeldingen of video's, zoals gezichtsuitdrukkingen of identificatie van beroemdheden. Deze functies hebben beperkte toegang.

Beschikbare Azure Content Understanding-functies

De volgende tabel bevat een lijst met afbeeldings- en videofuncties die beschikbaar zijn in Azure Content Understanding.

Feature Beschrijving
Extractie van afbeeldingsvelden Extraheert aangepaste gestructureerde velden uit afbeeldingen op basis van een schema dat u definieert. U kunt velden rechtstreeks extraheren, classificeren uit een set categorieën of ze genereren met behulp van een generatief model. Deze functie is handig voor retailplankanalyse, kwaliteitscontrole van productie en business intelligence (BI) op basis van grafieken.
Sleutelframeextractie Extraheert representatieve sleutelframes uit elke opname in een video. Zorgt ervoor dat elk segment voldoende visuele context heeft voor downstreamveldextractie.
Schotdetectie Identificeert schermafbeeldingen in een video op basis van visuele aanwijzingen. Produceert een lijst met tijdstempels voor nauwkeurige bewerking, herverpakking en segmentatie.
Scènesegmentatie Verdeelt een video in logische scènes die in natuurlijke taal worden beschreven. U definieert de segmentatielogica, zoals het splitsen van een nieuwsuitzending op artikelonderwerp en het generatieve model maakt overeenkomende segmenten.
Extractie van videovelden Genereert aangepaste gestructureerde velden voor elk videosegment op basis van een schema, zoals merklogo's, advertentiecategorieën of scène-sentiment, met behulp van een generatief model.
Beschrijving van gezicht Hiermee worden tekstuele beschrijvingen van gezichten in afbeeldingen of video's gegenereerd, waaronder gezichtshaar, expressies en identificatie van beroemdheden. Gezichtsbeschrijving is een functie voor beperkte toegang waarvoor u gezichtsvervaging in de analyseconfiguratie moet uitschakelen.

Gebruiksvoorbeelden voor Azure Content Understanding

De volgende tabel bevat een lijst met mogelijke use cases voor Azure Content Understanding die is toegepast op afbeeldingen en video's.

Gebruiksscenario Beschrijving
RAG op video Genereer RAG-kant-en-klare Markdown op basis van videobestanden, waaronder inlinetranscripties, sleutelframeminiaturen en segmentbeschrijvingen in natuurlijke taal. Plaats de uitvoer rechtstreeks in een vectorarchief om agent- of zoekwerkstromen toe te staan zonder naverwerking.
Media assetbeheer Tag videoassets met metagegevens op scèneniveau, zoals inhoudscategorie, merkbezigheid en belangrijke momenten. Deze aanpak helpt editors, producenten en marketingteams om inhoud te organiseren en op te halen uit grote videobibliotheken.
Kwaliteitscontrole van productie Analyseer productafbeeldingen op basis van een aangepast schema om defecten, afwijkingen of onjuiste uitlijningen in productielijnen te detecteren.
Analyse van retailschappen Extraheer gestructureerde gegevens uit beeldmateriaal van schappen om producten te tellen, misplaatsingen te detecteren en voorraadlevels te bewaken.
Advertentie- en merkanalyse Identificeer merklogo's en advertentiecategorieën in promotievideosegmenten om merkblootstelling en naleving van huisstijlrichtlijnen te beoordelen.

Video-Indexeerder

Video Indexer is een AI-oplossing die organisaties kunnen gebruiken om diepe inzichten te extraheren uit live en geüploade video- en audio-inhoud. Het maakt gebruik van geavanceerde machine learning- en generatieve AI-modellen en ondersteunt een breed scala aan mogelijkheden, waaronder transcriptie, vertaling, objectdetectie en samenvatting van video's. Video Indexer is flexibel. U kunt deze in de cloud gebruiken of implementeren op edge-locaties via Azure Arc.

Video Indexer gebruiken voor deze taken Gebruik Video Indexer niet voor deze taken
Inzichten extraheren uit geüploade video's, waaronder transcriptie, vertaling en inhoudsanalyse. Voer eenvoudige videoanalysetaken uit, zoals mensen tellen en bewegingsdetectie. Azure Vision is een rendabeler hulpprogramma voor deze taken.
Live videostreams in realtime analyseren voor retail-, productie- of veiligheidsscenario's. Tekst extraheren uit statische afbeeldingen. Gebruik Azure Vision voor OCR op afbeeldingen.
Voer videoanalyse uit op edge-apparaten met strikte vereisten voor gegevenslocatie of lage latentie met behulp van Azure Arc.

Implementatieopties

Video Indexer biedt de volgende implementatieopties.

Option Beschrijving
Video Indexer in de cloud Een cloudtoepassing die is gebouwd op Hulpprogramma's, waaronder Azure Face, Azure Translator in Foundry Tools, Azure Vision en Azure Speech. Het analyseert video- en audio-inhoud door meer dan 30 AI-modellen uit te voeren om gedetailleerde inzichten te genereren.
Video Indexer ingeschakeld door Azure Arc Een Azure Arc-extensie die video- en audioanalyse en generatieve AI uitvoert op edge-apparaten. Het ondersteunt zowel geüploade als live videostreams, waardoor realtime analyses rechtstreeks bij de gegevensbron mogelijk zijn. Het past bij branches met strikte vereisten voor gegevenslocatie of operationele behoeften met lage latentie.

Videomodellen

De volgende tabel bevat een lijst met videoanalysefuncties die beschikbaar zijn in Video Indexer.

Feature Beschrijving
Gezichtsdetectie Detecteert en groepeert gezichten die worden weergegeven in een video.
Accountgebaseerde gezichtsidentificatie Traint een model voor een specifiek account en herkent gezichten in video's op basis van het getrainde model.
Waargenomen persoonsdetectie Detecteert waargenomen personen in video's en biedt locatiegegevens met behulp van begrenzingsvakken, met exacte tijdstempels en betrouwbaarheidsniveaus. Omvat overeenkomende persoon, gedetecteerde kleding en uitgelichte kledinginzichten.
Objectdetectie Detecteert en houdt unieke objecten bij, zodat deze kunnen worden herkend als ze terugkeren naar het frame.
OCR Extraheert tekst uit afbeeldingen zoals afbeeldingen, straatborden en producten in mediabestanden om inzichten te creëren.
Labelidentificatie Identificeert visuele objecten en weergegeven acties.
Scènesegmentatie Bepaalt wanneer een scène in video verandert op basis van visuele aanwijzingen. Een scène toont één gebeurtenis die bestaat uit een reeks opeenvolgende opnamen.
Schotdetectie Bepaalt wanneer een opname in video verandert op basis van visuele aanwijzingen. Een foto is een reeks frames die zijn genomen van dezelfde camera voor animatiebeelden.
Sleutelframeextractie Detecteert stabiele sleutelframes in een video.
Slatedetectie Identificeert inzichten in de postproductie van films, waaronder clapper-borddetectie, detectie van digitale patronen en tekstloze borddetectie.

Audiomodellen

De volgende tabel bevat een lijst met functies voor audioanalyse die beschikbaar zijn in Video Indexer.

Feature Beschrijving
Audiotranscriptie Converteert STT in meer dan 50 talen en ondersteunt extensies.
Automatische taaldetectie Identificeert de dominante gesproken taal.
Spraakidentificatie in meerdere talen Identificeert de gesproken taal in verschillende audiosegmenten, verzendt elk segment dat moet worden getranscribeerd en combineert deze in één geïntegreerde transcriptie.
Ondertiteling Hiermee maakt u ondertiteling in Web Video Text Tracks (WebVTT), Timed Text Markup Language (TTML) en SRT-indelingen (SubRip Subtitle).
Verwerking van twee kanalen Detecteert automatisch afzonderlijke transcripten en voegt ze samen in één tijdlijn.
Ruisonderdrukking Hiermee worden telefoonaudio en opnamen met ruis opgeschoond op basis van Skype-filters.
Opsomming van spreker Maakt in kaart en begrijpt welke spreker welke woorden en wanneer heeft gesproken. Het kan 16 luidsprekers in één audiobestand detecteren.
Vertaling Hiermee maakt u vertalingen van het audiotranscriptie in veel verschillende talen.
Detectie van audio-effecten Detecteert audio-effecten in niet-spraaksegmenten, waaronder alarmen of sirenes, een blaffende hond, menigtenreacties, luide impactgeluiden, lachen, brekend glas en stilte.

Gecombineerde audio- en videomodellen

De volgende functies analyseren audio- en video-inhoud.

Feature Beschrijving
Zoekwoordextractie Hiermee worden trefwoorden uit spraak en visuele tekst geëxtraheerd
Extractie van benoemde entiteiten Extraheert merken, locaties en mensen uit spraak en visuele tekst via natuurlijke taalverwerking (NLP)
Onderwerpdeductie Extraheert onderwerpen op basis van verschillende trefwoorden door gebruik te maken van de International Press Telecommunications Council (IPTC), Wikipedia en de hiërarchische thematische ontologie van Video Indexer.
Sentimentanalyse Identificeert positieve, negatieve en neutrale gevoelens van spraak en visuele tekst

Zie het overzicht van Video Indexer voor meer informatie.

Gebruiksvoorbeelden voor Video Indexer in de cloud

De volgende tabel bevat een lijst met mogelijke gebruiksvoorbeelden voor Video Indexer in de cloud.

Gebruiksscenario Beschrijving
Uitgebreide zoekactie Verbeter de zoekervaring in een videobibliotheek met behulp van de inzichten die Video Indexer ophaalt. Wanneer u bijvoorbeeld gesproken woorden en gezichten indexeren, kunnen gebruikers momenten vinden in een video wanneer een persoon specifieke woorden spreekt of wanneer twee personen samen worden gezien. Deze use cases zijn van toepassing op elke branche met een videobibliotheek die gebruikers moeten doorzoeken, waaronder nieuwsbureaus, onderwijsinstituten, omroepen, eigenaren van entertainmentinhoud en LOB-apps (Line-Of-Business).
Contentcreatie Maak trailers, hoogtepunten, sociale media-inhoud of nieuwsclips gebaseerd op de inzichten die Video Indexer uit uw content haalt. Belangrijke frames, scènemarkeringen en tijdstempels voor personen en labelverschijningen vereenvoudigen het creatieproces.
Toegankelijkheid Maak uw inhoud beschikbaar voor mensen met een beperking of distribueer inhoud naar regio's die verschillende talen gebruiken met behulp van de transcriptie- en vertaalmogelijkheden die Video Indexer biedt.
Inkomsten genereren Verhoog de waarde van video's. Branches die afhankelijk zijn van advertentie-omzet, zoals nieuwsmedia en sociale media, kunnen relevante advertenties leveren met behulp van de geëxtraheerde inzichten als extra signalen aan de advertentieserver.
Inhoudsmoderatie Beveilig uw gebruikers tegen ongepaste inhoud en bevestig dat de inhoud die u publiceert overeenkomt met de waarden van uw organisatie met behulp van tekst- en visuele inhoudsbeheermodellen.
Aanbevelingen Verbeter de betrokkenheid van gebruikers door de relevante videomomenten voor gebruikers te markeren. Door elke video te taggen met extra metagegevens, kunt u de meest relevante video's aanbevelen en de onderdelen markeren die overeenkomen met de behoeften van gebruikers.

Gebruiksvoorbeelden voor Video Indexer ingeschakeld door Azure Arc

De volgende tabel bevat een lijst met mogelijke use cases voor Video Indexer ingeschakeld door Azure Arc.

Gebruiksscenario Beschrijving
Detailhandel Optimaliseer winkelindelingen en verbeter de klantervaring en veiligheid. Monitor het aantal klanten in kassalijnen in realtime om het aantal personeel te optimaliseren en wachttijden te verminderen.
Productie Zorg voor kwaliteitscontrole en veiligheid van werknemers via videoanalyse. Detecteer werknemers die geen beschermende uitrusting dragen met realtime detectie van kritieke gebeurtenissen.
Moderne veiligheid Beveiligings- en veiligheidsproblemen detecteren en identificeren voordat ze een risico veroorzaken.
Gegevensbeheer Breng AI naar de inhoud. Gebruik Video Indexer ingeschakeld door Arc wanneer u geïndexeerde inhoud niet van on-premises naar de cloud kunt verplaatsen vanwege regelgeving, architectuurbeslissingen of grote gegevensarchieven.
Vooraf indexeren Indexeer inhoud voordat u deze uploadt naar de cloud. Presort uw on-premises video- of audioarchief en upload het vervolgens alleen voor standaard of geavanceerde indexering in de cloud.
  • Last updated on