Bazán-Gil, Virginia, Lleida, Eduardo, Pérez, Carmen, Gómez, Manuel and Prada, Alberto Tecnologías del habla: nuevas oportunidades para los archivos de televisión., 2019 [Preprint]
Preview |
Text (Texto en Español)
CatedraRTVEUnizar_ISKO2019.pdf Download (719kB) | Preview |
English abstract
As the number of audiovisual contents to be identified and analysed has been increasing since the last few years, and as the resources available to face this situation are decreasing, Artificial Intelligence has become a desired tool for television archives. The future automatic metadata extraction workflows will be based in three complementary technologies: artificial vision, speech technologies and natural language processing. The use of these technologies will allow us to access a greater number of contents as well as to increase the granularity in the analysis. The role of the documentalist will be modified once again. Training algorithms and data validation will be two new relevant tasks for these professionals. In this new scenery, in which Artificial Intelligence brings new opportunities to television archives, the RTVE Corporation and the University of Zaragoza, signed an agreement for the Catedra RTVE - Universidad de Zaragoza in July 2017. The main goal of this Chair is to carry out educational and research activities connected to Big Data and its application to the analysis of audiovisual and sound content. In 2018 the Chair promoted the Iberspeech 2018 Challenge. This technological challenge made more than 500 hours of audiovisual content in Spanish available to the scientific community . Iberspeech 2018 also allowed the different national and international research groups to test their algorithms in three different tasks: speech to text, speaker diarization and multimodal diarization. The results obtained have shown the technological difficulties that still have to be overcome. These results should also be addressed from the user’s perspective in order to answer questions connected to the degree of error tolerance in automatic transcription within three different areas: edition, broadcasting and archive.
Spanish abstract
La sobreabundancia de contenidos audiovisuales y la dificultad creciente para identificar y describir esos contenidos de forma eficiente ha convertido la Inteligencia Artificial en un objeto de deseo para los archivos de televisión. Los futuros procesos de generación automática de metadatos en los archivos se fundamentarán en tres tecnologías complementarias: visión artificial, tecnologías del habla y procesamiento del lenguaje natural. La aplicación de estas tecnologías no solo facilitará el acceso a un volumen creciente de contenidos audiovisuales, sino que además permitirá alcanzar un nivel de detalle en el análisis hasta ahora impensable en los archivos de televisión. En este nuevo horizonte, las funciones esenciales de los documentalistas se verán una vez más alteradas, ya que los procesos automatizados requerirán de su implicación en las fases de entrenamiento de los algoritmos en los que se basan estas tecnologías, así como en el control de la calidad de los datos generados de forma automática. En este contexto, en el que la Inteligencia Artificial brinda a los archivos de televisión nuevas oportunidades, la Corporación RTVE y la Universidad de Zaragoza formalizaron en julio de 2017 la creación de una Cátedra cuyo principal objetivo es la realización de actividades de formación, investigación, estudio y divulgación de las Tecnologías de la Información y de las Comunicaciones relacionadas con el Big Data y su aplicación al análisis de contenidos audiovisuales y sonoros. En la Cátedra, junto al equipo de la Universidad de Zaragoza colaboran distintas áreas de RTVE como son: el Fondo Documental, el área de Innovación y Estrategia Tecnológica y el Área de Desarrollo Digital. En 2018, como parte de sus actividades, y con el objetivo de impulsar la investigación en tecnologías del habla en español, la Catedra lanzó el RTVE Iberspeech Challenge 2018. Un reto tecnológico que puso a disposición de la comunidad científica más de 500 horas de contenidos audiovisuales y que permitió a los distintos grupos de investigación, nacionales e internacionales, poner a prueba sus algoritmos en tres tareas diferenciadas: transcripción de habla a texto (speech to text), diarización de hablantes y diarización multimodal. Los resultados obtenidos han demostrado las dificultades tecnológicas que todavía deben superarse tanto en la trascripción voz a texto como en la diarización, tanto de hablante como multimodal. Estos resultados deben abordarse además desde la perspectiva del usuario. La pregunta ¿Cuál es el grado de tolerancia de los usuarios antes los errores de transcripción automática? debe responderse con estudios de usuarios en tres contextos diferenciados: la accesibilidad, la edición y la preservación de los contenidos.
| Item type: | Preprint |
|---|---|
| Keywords: | Archivos de televisión, Tecnologías del habla, Speech to text, Metadatado automático RTVE Iberspeech 2018 |
| Subjects: | G. Industry, profession and education. > GC. Computer and telecommunication industry. I. Information treatment for information services |
| Depositing user: | Virginia Bazán-Gil |
| Date deposited: | 14 Jun 2019 07:18 |
| Last modified: | 14 Jun 2019 07:18 |
| URI: | http://hdl.handle.net/10760/38447 |
References
Downloads
Downloads per month over past year
Actions (login required)
 |
View Item |
Facebook
Twitter
LinkedIn
RSS