ViddyScribe

作用

据 Google 称，YouTube 上有超过 140 亿个公开可观看的视频；但只有一小部分视频可供视障人士访问。根据世界卫生组织 (WHO) 的统计，全球至少有 22 亿人存在近视或远视，这使得他们无法充分体验世界领先视频平台上丰富的视频内容库。

音频描述是电视和电影领域的长期做法，被视为一种让盲人和视障人士能够观看和欣赏视频内容的解决方案... 但为视频添加音频描述的过程非常耗时且成本高昂，这使得音频描述无法通过独立制作的网络视频触达大众。

ViddyScribe 应运而生：在这个网络平台上，视频创作者可以上传视频，并快速收到添加了完整音频描述的视频，以便与盲人社区分享和观看。

Gemini API 用于分析用户上传的视频，并为视频的每个有意义的部分生成带时间戳的上下文感知型音频描述。然后，系统会将语音描述转换为语音并放置在时间戳处，同时插入定格画面、流畅的音频转场效果，并生成背景音频，以帮助打造愉悦的聆听体验。

ViddyScribe 由两位致力于为盲人提供帮助的志愿者开发，他们拥有视频制作和富有成效的解决方案方面的背景，旨在让所有视频都能真正实现包容性。