Sector MEDIA VERBIO TECHNOLOGIES. THINKING SPEECH TECHNOLOGIES OUT OF THE BOX

Transcripción

1 Sector MEDIA VERBIO TECHNOLOGIES

2 El objetivo final de los medios de comunicación es transmitir información entre las personas, como tal, su evolución ha ido íntimamente ligada a los avances tecnológicos. La multicanalidad actual es el reflejo de las múltiples maneras de hacer llegar los mensajes al receptor del mismo. En este sentido, las tecnologías del habla han creado una nueva metodología de transmisión a través de varios canales: web, teléfono, WebTV, etc. Caracterizada por la facilidad de interacción entre las partes. En este White Paper se describen algunos ejemplos de cómo las tecnologías del habla, tanto reconocimiento de voz, como sintetización de voz, han hecho evolucionar la forma de trabajar de los medios de comunicación: Creación de noticias en audio en tiempo real y automáticamente. Pueden ser utilizadas en distintos formatos y medios, como pudiera ser el canal internet o bien un portal telefónico de noticias personalizadas. Permite ofrecer un portal de voz de información mediante un nuevo canal, lo cual unifica los medios de acceso y por el otro se permite un modelo de ingresos adicionales por tráfico telefónico, a parte de un servicio innovador de valor añadido. Accesibilidad en los portales web de información aportando un nuevo sistema de interactividad, lo cual permite a sus usuarios disponer de recursos de accesibilidad vocal, dotar la web de un nuevo canal y cumplir con las directivas y recomendaciones de accesibilidad. Sistema telefónico de clasificados que posibilita el acceso a la información de clasificados por medio del teléfono, pudiéndose ampliar la información disponible en papel permitiendo ingresos adicionales. Disponer de herramientas de análisis audio en los sistemas de gestión documental. Programas virtuales de canales de Web TV, a partir de la generación de contenidos automáticos, junto con la incorporación de avatares, lo cual va a permitir con pocos recursos disponer de canales temáticos de nicho que difícilmente se podrían hacer por medios más tradicionales. Clipping audio de prensa, analizando canales de radio y televisión y crear seguimiento de medios en función de los parámetros deseados de un cliente, lo que permite disponer de una herramienta de alarmas e indexación, con un ahorro de costes notable comparado con lo que implicaría hacerlo de forma manual.

3 Funcionalidades habituales Creación de noticias en audio en tiempo real Poder disponer de un audio correspondiente a noticias en distintos formatos para ser escuchados en distintos dispositivos es un objetivo fijado por las tendencias de multicanal. El objetivo final sería generar una noticia en formato audio a partir de un texto unificado en una base de datos, con un servidor que se encargue de la generación automática de dichos mensajes. Generar en tiempo real locuciones de noticias, a modo de noticiario por un locutor profesional, es una tarea cara, compleja y a veces inviable, ya que no siempre se disponen de los recursos necesarios. La configuración de un sistema de síntesis de voz, como Verbio TTS que permite generar las locuciones de forma automática y en tiempo real. Igualmente, aporta el formato de audios necesario para los distintos dispositivos o medios que se requieran, sea en formato podcast, en formato libro electrónico o para leer en internet en streaming. Principalmente disponer de un sistema de calidad, innovador y automático, en tiempo real, cuyos costes estarían controlados y que comparados con los derivados de locuciones hechas por locutores profesionales son mucho menores. Una vez automatizado el sistema, se pueden automatizar también de forma de salida disponible para el dispositivo o entorno de utilización.

4 Accesibilidad en los portales de información Disponer de accesibilidad en los medios actuales, es una característica que cada vez se tiene más en cuenta en las administraciones, las grandes empresas y los órganos de supervisión. A tal efecto, las tecnologías del habla aportan un nuevo canal de accesibilidad hombre máquina mediante la voz, siendo una herramienta muy útil para discapacitados visuales y discapacitados motrices. En un momento dado, también puede funcionar como una herramienta de facilidad de navegación para las personas sin disminuciones. Para cierto tipo de colectivos la navegación en los portales de internet, y en concreto o los portales de formación, es bastante compleja dado que dichos portales están estructurados exclusivamente para ser utilizados con herramientas básicas para la lectura o navegación. Las tecnologías del habla, a priori, pueden aportar el canal de interactividad necesario para interactuar con estos portales, pero a veces es difícil que dichos usuarios puedan acceder al comprar o disponer de estos programas. El entorno de interacción web-usuario mediante voz, denominado Verbio VoiceWeb, permite tener disponible los recursos en formato audio, de manera que el usuario simplemente debe disponer de un micrófono y unos auriculares. El usuario debe descargarse un pequeño plug-in que le permite gestionar de ese audio en ambas direcciones. La tecnologías del habla se aloja en los mismos servidores donde están alojados los portales. Las páginas web con accesibilidad vocal son de simple configuración y deben actualizarse mínimamente, incorporando unas etiquetas en aquellos puntos donde se requiera dicha accesibilidad. Disponer de un portal de información con accesibilidad, utilizable para cualquier usuario, ampliando el número de usuarios potenciales y cumpliendo con las directivas y recomendaciones de accesibilidad.

5 Sistema telefónico de clasificados Disponer de un sistema complementario para consultar o ampliar la información aparecida en cualquier sección de clasificados, mediante una simple llamada telefónica. En la mayoría de periódicos existe una apartado de clasificados, con información muy restringida y concreta. El usuario o anunciante tiene limitadas las prestaciones para ampliar dicha información ya que el espacio impreso disponible suele ser caro. Configurar Verbio Portal de Voz permite mediante una llamada telefónica hacer consultas concretas de un anuncio o clasificado, con la posibilidad de ampliar distintos apartados de la misma, a través de un menú de opciones. La información puede ser compartida o gestionada desde el propio portal de internet del periódico, al que en definitiva se le está añadiendo el canal de voz telefónico. Con un sistema por portal de voz como el descrito se puede conseguir un triple objetivo. Por un lado, el anunciante tiene la posibilidad de ampliar la información publicada por un precio asequible. Por otro, el usuario interesado en dicha información dispondrá de una información mucho más amplia. Y finalmente, el periódico puede disponer de unos ingresos adicionales generados por el propio servicio y por temas de tráfico de voz. Adicionalmente a estos se podría añadir que el periódico está ofreciendo un servicio de valor añadido a una oferta muy tradicional, como son las secciones de clasificados.

6 Disponer de herramientas de análisis audio Cada vez hay más contenido de audio y video en los medios de comunicación. La gestión de dicho contenido es también cada vez más compleja. Por eso se hace necesario disponer de herramientas que permiten gestionar, analizar o indexar este tipo de contenidos. Analizar grandes cantidades de audio o video es inviable si dicha información no está suficientemente indexada. Tal indexación se hace normalmente de forma manual y a veces no con el suficiente detalle. Ello obliga en ocasiones, a que el interesado en localizar estos contenidos deba pasarse horas y horas escuchando o visualizando ficheros. La solución Verbio Speech Analytics actúa como herramienta de base para el análisis de contenidos en formato de audio o video. Por un lado se abre la posibilidad de identificar palabras clave y por el otro la posibilidad de una transcripción de audio a texto, con lo que la búsqueda sobre dicho testar sería mucho más rápida. En el primer caso, la tecnología es sencilla de utilizar pero requiere un nuevo procesado de todo el contenido cada vez que se cambie la palabra clave a localizar. El segundo caso, indexar y localizar contenido es mucho más ágil y rápido pero adaptar la tecnología y su utilización es mucho más complejo. Disponer de un sistema innovador qué permite ahorrar muchos costes en tiempo y personal a la hora de localizar al contenido de audio o video. En algunos casos se podría decir incluso que permite este servicio de localización que sin estas herramientas no sería ni planteable.

7 Programas virtuales de canales de Web TV Cada vez más los contenidos se ofrecen por distintos canales. Y cada vez más, esos contenidos son más específicos y a medida del usuario. Internet es uno de esos medios o canales por excelencia en los que el usuario está muy identificado. Generar contenidos a medida para distintos perfiles es inviable a no ser que éstos puedan hacerse de forma automática. Este es el objetivo que las tecnologías del habla combinadas con otras pueden permitir. En concreto, es posible generar contenidos e incluso con interactividad vocal, apoyados con videos y avatares. Personalizar los contenidos para un perfil o incluso crear contenidos de nicho de forma dinámica es una tarea muy costosa y al alcance de pocos. Incluso en caso de disponer de recursos, es una buena opción disponer de contenidos virtuales mezclados con contenidos reales. Para ello se requiere disponer de herramientas adecuadas para ofrecer un mínimo de calidad. Utilizar Verbio TTS para generar contenidos de audio en tiempo real o en diferido, combinada con avatares o imágenes que permitan presentar un programa de un contenido, ya sea de nicho o incluso personalizado. Por norma general serían sistemas en hosting o centralizados. Disponer de un nuevo canal de comunicación con el que emitir contenidos, vía Web, que permitan crear canales dinámicos o en directo sin tener que incurrir en unos costes de producción o estructura demasiado elevados. Teniendo una plataforma completa y automática y combinando las distintas tecnologías que acompañarían a las tecnologías del habla, se podrán conseguir resultados muy interesantes y novedosos.

8 Clipping audio de prensa Las empresas de seguimiento de medios o de clipping de prensa, hasta ahora se han limitado al seguimiento de medios escritos y en casos muy particulares hacer seguimientos manuales (con personas) de ciertos programas por encargo. La idea de disponer de herramientas de análisis de audio (o video) que permitan identificar de forma automática el contenido de dicho audio y otros parámetros del mismo ofrece una ampliación de oferta a medios audiovisuales (radio y TV principalmente). El procesado de gran cantidad de contenido requiere inevitablemente disponer de herramientas. En el caso de los medios escritos, las herramientas de OCR han sido claves para automatizar estos procesos de análisis. En el caso del audio, se está llevando en la actualidad un análisis muy a medida y realizado de forma manual y por lo tanto con unos costes muy elevados. La incorporación de soluciones como Verbio Speech Analytics para detectar palabras clave definidas por el usuario y para localizar, en tiempo real o en diferido, la parte del audio en el que se encuentra la palabra buscada. De esta manera, con una simple validación manual el usuario se ha ahorrado el tener que escuchar todo el audio. Alternativamente, se podrían transcribir los contenidos de audio a texto para, a posteriori, hacer análisis sobre texto que es mucho más rápido y ocupa menor espacio. Dar la posibilidad de ofrecer el servicio de localización y seguimiento de forma más asequible, gracias a la disponibilidad de estas herramientas de productividad del proceso y destacando el ahorro de costes de personal que requieren estos procesos de forma manual.

9 Casos de éxito Empresa ANPRO21 Actividad Sector Análisis de medios de periódicos, radio y TV, para notificar a empresas cliente cuándo son referenciadas en los mismos. País España Clave de éxito Capacidad de análisis automático de todos los canales de Radio y TV emitidos por TDT (Televisión Digital Terrestre). Verbio Technologies Reconocimiento del habla - WORDSPOTTING El problema Imposibilidad, por falta de recursos humanos y elevados costes, de escuchar todos los canales TDT para encontrar referencias habladas a sus clientes. La solución Automatizar, mediante Verbio WordSpotting, el proceso de análisis de los audios de los distintos canales de TDT emitidos en España y localizar aquellos fragmentos de audio/video susceptibles de contener referencias a los clientes que contratan sus servicios. s Capacidad de ampliar el área de cobertura de sus análisis a los nuevos canales digitales, con unos costes muy contenidos y con una tasa de detección satisfactoria. De este modo, pueden dar servicio a clientes que demandaban conocer sus apariciones en estos medios.

10 Algunas referencias en el sector: Algunas referencias corporativas: