AI ofrece una gestión mejorada de activos multimedia (MAM) para broadcast
La triste historia de los archivos de vídeo, ya sea en una estación de televisión, red, centro de producción, casa de postproducción o incluso instituciones corporativas o gubernamentales no broadcast, es el deseo de encontrar el contenido adecuado siempre ha superado la capacidad de hacerlo.
Ya se trate de una estación de televisión con casetes Betacam de 3 x 4 pulgadas en U-matic o de 1/2 pulgada en un estante después del estante de almacenamiento en alguna sala de bibliotecas de cintas fuera de la vía, un estudio de cine con el mismo tipo de archivo, pero más grande, para películas y otro contenido de película, almacenamiento NAS o SAN, RAID o JBOD o sistemas de gestión de activos de propósito especial, el concepto es claro. Tiene sentido aferrarse a imágenes valiosas que se pueden reutilizar, re-monetizar y renovar para su relanzamiento cuando se trata de algunas películas.
Cualquiera que haya trabajado en una sala de redacción en los días de videocasetes vio este escenario o alguna variación jugar más de una vez: un reportero, editor o productor de noticias que se aleja un cierto casete con imágenes clave que estarían en demanda para el futuro previsible sólo para evitar tener que buscar en los estantes o colegas tejón para encontrarlo.
Ese escenario ilustra una verdad fundamental. El material de archivo archivado solo es valioso si puede encontrarlo.
La introducción de los sistemas MAM
La génesis de los sistemas de gestión de activos multimedia (MAM) fue el deseo de desbloquear este valor haciendo que el contenido almacenado, ya sea en línea, cerca o en un archivo profundo, sea accesible y accesible. El mercado ha recompensado a los proveedores de MAM por sus esfuerzos y busca seguir haciéndolo.
En su informe “Global Media Asset Management (MAM) Solutions”, la firma de investigación y asesoramiento de mercado Technavio pronostica que en todo el mundo el mercado de MAM crecerá en 6.740 millones de dólares durante el período 2020-2024.
Muchos factores contribuyen a este crecimiento esperado. El espectacular aumento en el número de personas en todo el mundo que están conectadas a Internet y desean transmitir contenido OTT, el deseo de los profesionales de los medios de comunicación de encontrar mayores eficiencias de flujo de trabajo, el crecimiento del comercio digital y la publicidad digital para apoyarlo e incluso el deseo de las empresas de medios de comunicación de proteger al personal de COVID-19 al permitirles trabajar desde casa al tener acceso a contenidos almacenados en un MAM basado en la nube están ayudando a impulsar este crecimiento.
Claramente, el deseo de almacenar y acceder a los activos de los medios de comunicación es fuerte. Pero, ¿qué tal la capacidad de encontrar el contenido adecuado almacenado en un sistema MAM? ¿Eso ha mantenido el ritmo? Aún más importante, ¿ofrecen los MAMs algo más que almacenamiento y descubrimiento? ¿Pueden ser más útiles para generar nuevos contenidos?
El problema con Media Asset Management (MAM) hoy en día
El eslabón más débil de la cadena de difusión de administración de activos multimedia es la generación de metadatos. Mientras que las cámaras digitales de hoy en día, por ejemplo, tienen la capacidad de generar algunos metadatos automáticamente, como datos de ubicación GPS, configuración de la cámara, lente utilizada, información de escena, fecha, hora y otra información útil, que sólo va tan lejos.
La información más detallada, como quién o qué hay en la toma, el contexto de la toma, como una conferencia de prensa de la oficina del gobernador y las palabras clave pronunciadas que proporcionan más contexto, debe introducirse manualmente si se introduce en absoluto. Esto derrota, al menos parcialmente, una de las principales razones para integrar un MAM en un flujo de trabajo de medios, a saber, mejorar la eficiencia del flujo de trabajo.
Cómo la IA puede ayudar a descubrir el contenido perdido
Recientemente, sin embargo, los algoritmos de inteligencia artificial han llegado a estar disponibles que no sólo eliminan la drusa de revisar manualmente el material de archivo y generar este nivel de metadatos, sino que también lo hacen increíblemente rápidamente,haciendo un rápido trabajo de mejorar los metadatos existentes para el material de archivo ya almacenado y, por lo tanto, desbloquear más completamente su valor oculto.
Aprovechar los algoritmos de IA, como el habla a texto, el reconocimiento de objetos y el reconocimiento facial, disponibles a través de TVU Networks’ El motor de IA de MediaMind, para generar metadatos fotograma a fotograma para el contenido almacenado en las instalaciones o en la nube en un MAM o incluso en cualquier otro medio de almacenamiento digital existente, facilita mucho la búsqueda y el uso del clip de vídeo preciso deseado.
La implicación de tener este nivel de metadatos es mayor aún en que tiene el potencial de transformar MAMs para siempre. ¿Cómo? Al poner a disposición de cualquier persona con los permisos adecuados en cualquier momento desde cualquier lugar con conexión a Internet, cada dispositivo de almacenamiento digital que posea medios de soporte simplemente en uno de un sinnúmero de nodos de almacenamiento en un MAM virtual ubicuo.
El futuro de MAM para la difusión
El almacenamiento de MAM mejorado con IA en la televisión tocará muchos flujos de trabajo. En la sala de redacción, el acceso a un MAM mejorado por IA aumentará la productividad de los reporteros y editores que necesitan encontrar material archivado para una historia.
Durante la transmisión de noticias en vivo y asuntos públicos, un MAM de este tipo hará que sea práctico para un productor de espectáculos encontrar clips almacenados sobre la marcha que sean pertinentes a lo que un invitado o anfitrión está discutiendo, y para la administración, tener este nivel de metadatos hará que sea mucho más fácil completar la documentación requerida regularmente para probar el cumplimiento de las regulaciones de la FCC.
Del mismo modo, en el almacenamiento de MAM mejorado con IA de postproducción, el almacenamiento DE MAM facilitará la búsqueda correcta durante la edición e identificará rápidamente los clips archivados para cosas como el establecimiento de tomas o incluso tomas sustitutivas adecuadas en algunos casos cuando cambian los planes.
Pero esto es solo el comienzo de cómo el almacenamiento de MAM mejorado por IA afectará en última instancia a la creación de contenido. Un día en un futuro no muy lejano será posible que los periodistas que escriben historias, editores que poblan las líneas de tiempo de NLE y otros comiencen su proceso creativo y que su herramienta de escritura o edición extraiga clips almacenados que la tecnología de IA determine que podrían ser apropiados para el trabajo en curso.
Por ejemplo, mientras un reportero de televisión que trabaja en una historia sobre un recuento de papeletas en George comienza a escribir las palabras “Brad Raffensperger” (el Secretario de Estado de Georgia), un clip en el que dice “Parece que el vicepresidente Biden llevará Georgia” aparece automáticamente para el reportero, que puede tomar la decisión de usarlo o ignorarlo. Más adelante en la historia, cuando el reportero escribe “President Trump counters”, aparece un clip relevante del discurso de 45 minutos en el que expuso el 2 de diciembre. Una vez más, el reportero puede elegir usar el clip o dejarlo fuera de la historia.
Cuando llegue ese día, el deseo de encontrar el videoclip adecuado y la capacidad de hacerlo se igualará uniformemente.
