Marc Jonas

Mit Videos ist jeder schon einmal in Berührung gekommen. Und bei künstlicher Intelligenz (KI) im Videobereich denken die meisten vermutlich an Gesichtserkennung. Welche Arten von KI-Anwendungen werden heute von den Medienproduktionen schon bei der Videoanalyse eingesetzt und was wird in Zukunft alles noch möglich sein? Um die Anwendungen von KI im Videobereich und dessen enormes Potential zu verstehen, wird den Teilnehmern der Begriff und die Bedeutung „zeitbezogener Metadaten“ in Videos erläutert. Dies erfolgt anhand einer Präsentation und einer Live-Demo. In der Live-Demo wird gezeigt, wie per Mausklick aus einem deutschsprachigen Videoclip mittels einer „Speech-to-text“-KI ein Transkript erzeugt wird. Das Transkript erlaubt die wortweise Suche innerhalb des Textes und kann zur Navigation innerhalb des Videos verwendet werden. Auch dient es als Grundlage zur Darstellung von Untertiteln. Mit einem weiteren Mausklick kann das Transkript in eine beliebige Fremdsprache übersetzt werden. Die Übersetzung kann wiederum zum einen zur Erzeugung einer neuen synthetischen Sprachfassung und zum anderen zur Generierung der dazugehörigen Untertitel verwendet werden. Letztendlich ist es nun dem Betrachter überlassen, in welcher Sprachfassung und mit welcher Untertitelfassung er das Video ansehen bzw. anhören möchte. Außerdem wird anhand der KI „Gesichtserkennung“ gezeigt, warum der Zeitbezug bei Metadaten in Videos so wichtig ist. Der Vortrag endet mit einem Ausblick auf zukünftige KI-Anwendungen im Videobereich.