ViddyScribe

کاری که انجام می دهد

به گفته گوگل، بیش از 14 میلیارد ویدیوی قابل مشاهده برای عموم در یوتیوب وجود دارد. با این حال، تنها بخش کوچکی از آنها برای افراد دارای اختلالات بینایی قابل دسترسی است. بر اساس گزارش سازمان جهانی بهداشت، حداقل 2.2 میلیارد نفر در سراسر جهان از اختلال دید نزدیک یا از راه دور رنج می برند، که مانع از تجربه کامل مخزن وسیع محتوای ویدیویی در پلتفرم های ویدیویی پیشرو در جهان می شود.

توصیف صوتی یک تمرین قدیمی در تلویزیون و فیلم است و راه حلی برای اجازه دادن به جامعه نابینایان و کم بینایان برای مصرف و لذت بردن از محتوای ویدیویی در نظر گرفته شده است... اما فرآیند توصیف صوتی ویدیوها زمان و هزینه زیادی دارد و از توصیفات صوتی جلوگیری می کند. از دسترسی به توده ها از طریق ویدئوهای مبتنی بر وب که به طور مستقل ایجاد شده اند.

ViddyScribe را وارد کنید: یک پلتفرم وب که در آن سازندگان ویدیو می‌توانند ویدیوهای خود را آپلود کنند و به سرعت آنها را به صورت کاملاً صوتی دریافت کنند، به طوری که ویدیوها بتوانند با جامعه نابینایان به اشتراک گذاشته شوند و از آنها لذت ببرند.

Gemini API برای تجزیه و تحلیل ویدیوی آپلود شده کاربر و تولید توضیحات صوتی مهر زمان آگاهانه برای هر بخش معنی دار ویدیو استفاده می شود. سپس، توضیحات صوتی به گفتار تبدیل می‌شوند و در مُهرهای زمانی قرار می‌گیرند، در حالی که ما فریم‌های ثابت، انتقال صوتی صاف، و صدای پس‌زمینه تولید می‌کنیم تا به ایجاد یک تجربه شنیداری دلپذیر کمک کنیم.

ViddyScribe که توسط دو داوطلب برای نابینایان با پس‌زمینه‌های فیلم‌برداری و راه‌حل‌های تاثیرگذار ایجاد شده است، قصد دارد همه ویدیوها را واقعاً شامل شود.