211service.com
Búsqueda de video conferencias
Los investigadores del MIT han lanzado una herramienta de búsqueda de audio y video que resuelve uno de los problemas más desafiantes en el campo: cómo dividir una conferencia académica larga en partes manejables, identificar la ubicación de las palabras clave y dirigir al usuario hacia ellas. Anunciado el mes pasado, el MIT Navegador de conferencias El sitio web brinda al público en general acceso detallado a más de 200 conferencias disponibles públicamente a través del OpenCourseWare iniciativa. El motor de búsqueda aprovecha décadas de investigación sobre reconocimiento de voz en el MIT y otras instituciones para convertir audio en texto y hacer que se pueda buscar.
Mirando conferencias: MIT ofrece una herramienta de búsqueda de videos que puede identificar palabras clave en conferencias de audio y video. Aquí, una búsqueda de exoesqueleto y gasolina da como resultado este videoclip. La transcripción automática de la conferencia aparece debajo del video.
El Lecture Browser llega en un momento en que cada vez más universidades, incluidas la Carnegie Mellon University y la University of California, Berkeley, publican videos y podcasts de conferencias en línea. Si bien este contenido es útil, localizar información específica dentro de las clases puede ser difícil y frustrar a los estudiantes que están acostumbrados a encontrar lo que necesitan en menos de un segundo con Google.
Este es un problema creciente para las universidades de todo el país, ya que se vuelve más fácil grabar conferencias en el aula, dice Jim Glass, científico investigador del MIT. Es un verdadero desafío saber cómo difundirlos y hacer que sea más fácil para los estudiantes acceder a partes de la conferencia que podrían interesarles. Es como encontrar una aguja en un pajar.
Los elementos fundamentales del Lecture Browser han estado dando vueltas en los laboratorios de investigación del MIT y en lugares como Tecnologías BBN en Boston, Carnegie Mellon, SRI Internacional en Palo Alto, CA, y la Universidad del Sur de California durante más de 30 años. Sus esfuerzos han producido un software que finalmente es lo suficientemente bueno como para llegar a la persona promedio, dice Premkumar Natarajan, científico de BBN. Hay alrededor de tres décadas de trabajo en las que se abordaron muchos problemas fundamentales, dice. La tecnología está lo suficientemente madura ahora que hay una sensación cada vez mayor en la comunidad de que es hora [de probar aplicaciones en el mundo real]. Hemos hecho todo lo posible en el laboratorio.
Un puñado de empresas, como los motores de búsqueda de audio y video en línea Blinkx y EveryZing (que tiene tecnología con licencia de BBN) están utilizando un software que convierte la voz de audio en texto con capacidad de búsqueda. (Consulte Navegar TV en Internet y Búsqueda de videos más precisa). Pero los investigadores del MIT enfrentaron desafíos particulares con conferencias académicas. Por un lado, muchos profesores no son hablantes nativos de inglés, lo que dificulta la transcripción automática para los sistemas entrenados en el acento del inglés estadounidense. En segundo lugar, las palabras preferidas en las conferencias científicas pueden ser bastante oscuras. Finalmente, dice Regina Barzilay , profesor de Ciencias de la Computación en el MIT, las conferencias tienen muy poca estructura discernible, lo que hace que sea difícil dividirlas y organizarlas para facilitar la búsqueda. Las transiciones tópicas son muy sutiles, dice ella. Las conferencias no están organizadas como el texto normal.
Para abordar estos problemas, los investigadores primero configuraron el software que convierte el audio en texto. Entrenaron el software para comprender acentos particulares mediante transcripciones precisas de fragmentos cortos de voz grabada. Para ayudar al software a identificar palabras poco comunes, desde drosophila hasta integrales de circuito cerrado, los investigadores le proporcionaron datos adicionales, como texto de libros y notas de conferencias, que ayudan al software a transcribir con precisión hasta cuatro de cada cinco palabras. Si el sistema se utiliza con un hablante de inglés no nativo cuyo acento y vocabulario no ha sido entrenado para reconocer, la precisión puede caer al 50 por ciento. (Una precisión tan baja no sería útil para la transcripción directa, pero aún puede ser útil para búsquedas de palabras clave).
El siguiente paso, explica Barzilay, es agregar estructura a las palabras transcritas. Ya se disponía de software que podía dividir largas cadenas de oraciones en conceptos de alto nivel, pero descubrió que no funcionaba con las conferencias. Entonces su grupo diseñó el suyo. Una de las distinciones clave, dice, es que, durante una conferencia, hablas libremente; divagas y murmuras.
Para organizar el texto transcrito, su grupo creó un software que divide el texto en fragmentos que a menudo se corresponden con oraciones individuales. El software coloca estos fragmentos en una estructura de red; los fragmentos que tienen palabras similares o que se dijeron muy juntos en el tiempo se colocan más juntos en la red. La distancia relativa de los fragmentos en la red permite que el software decida qué oraciones pertenecen a cada tema o subtema de la conferencia.
El resultado, dice, es una transcripción coherente. Cuando una persona busca una palabra clave, el navegador ofrece resultados en forma de una línea de tiempo de video o audio que se divide en secciones. La sección de la conferencia que contiene la palabra clave está resaltada; debajo hay fragmentos de texto que rodean cada instancia de la palabra clave. Cuando se reproduce un video, el navegador muestra el texto transcrito debajo.
Barzilay dice que el navegador actualmente recibe un promedio de 21.000 visitas al día y, aunque está demostrando ser popular, todavía queda trabajo por hacer. En los próximos meses, su equipo agregará una función que adjunta automáticamente un esquema de texto a las conferencias para que los usuarios puedan saltar a la sección deseada. Más adelante, los investigadores brindarán a los usuarios la posibilidad de realizar correcciones en la transcripción de la misma manera que las personas contribuyen a Wikipedia. Si bien estas mejoras parecen sencillas, plantean desafíos técnicos, dice Barzilay. No es un asunto trivial, porque desea una interfaz que no sea tediosa y necesita propagar la corrección a lo largo de la conferencia y en otras conferencias. Ella dice que llevar a las personas al ciclo de transcripción podría mejorar la precisión del sistema en un par de puntos porcentuales, haciendo que la experiencia del usuario sea aún mejor.