Microsoft erweitert Azure Media Services um Künstliche Intelligenz

Microsoft macht seine Azure Media Services genannten Cloudwerkzeuge intelligenter. Auf der NAB Show in Las Vegas, einer Fernsehkonferenz der National Association of Broadcasters, kündigte es die Integration von Videoservices an, die Maschinelles Lernen nutzen. TechCrunch hat die Ankündigung zusammengefasst; für Microsoft hat Principal Program Manager Milan Gada darüber gebloggt.

Beispielsweise wird Media Services damit in der Lage sein, die wichtigsten Ausschnitte eines Videos zu bestimmen und dadurch bessere Zusammenfassungen zu liefern. Auch die von den Cognitive Services (für Fotos) bekannten Optionen Gesichtserkennung und Emotionserkennung sind geplant. Auf diese Weise lassen sich etwa automatisch die Reaktionen des Publikums in Verlauf einer Rede ermitteln.

Als weitere Neuerungen finden Bewegungserkennung, eine Erweiterung der Sprache-zu-Text-Funktion (etwa für Untertitel) um sechs auf acht Sprachen und eine Texterkennung (OCR) für eventuell im Video auftauchende Texte, Inschriften oder Beschriftungen. Die acht Sprachen sind Arabisch, Chinesisch, Deutsch, Englisch, Französisch, Italienisch, Portugiesisch und Spanisch.

Auch die 2014 erstmals vorgestellte Zeitrafferfunktion Hyperlapse will Microsoft in die Media Services integrieren. Sie ermöglicht ruhige, nicht ruckelnde Zeitrafferaufnahmen. Bisher gab es sie als App für Windows, Windows Phone und Android sowie als Clouddienst in Form einer Public Preview mit Beschränkung auf 10.000 Frames. Diese Beschränkung entfällt jetzt.

Als mögliche Einsatzgebiete der KI-Technik nennt Microsoft vier Bereiche: Callcenter, Bildung, Moderieren von Nutzerinhalten und Überwachung. So würden immer mehr IP-basierte Überwachungskameras installiert, deren Material von Hand zu prüfen aufwändig und fehleranfällig sei. Für Callcenter und das Bildungswesen legt Microsoft besonders den Einsatz von Sprach- und Texterkennungstechniken nahe, um eine Suche nach bestimmten Stichwörtern zu erleichtern.

Die Ankündigung erinnert an Facebooks nur einen Tag vorausgegangene Präsentation auf der Entwicklerkonferenz F8. Es zeigte Künstliche Intelligenz, die Personen in Videos erkennen und automatisch taggen soll. Zugleich arbeitet Facebook an automatisch generierten Untertiteln für Videos und Übersetzungen. Laut Candela beherrschen etwa 50 Prozent der Facebook-Nutzer nicht die englische Sprache. Auch seine Objekterkennungstechniken, die bisher für Fotos zum Einsatz kommen, möchte es auf Videos erweitern.

Microsoft aktualisiert die Azure Media Services jedes Jahr zur NAB Show. 2015 kündigte es Live Encoding sowie den Azure Media Player als mögliches Frontend an. Er nutzt Branchenstandards wie HTML5, Media Source Extensions (MSE) und Encrypted Media Extensions (EME) für ein reichhaltiges adaptives Streaming – soll aber bei Bedarf auch nahtlos zurückfallen auf Browser-Plug-ins wie Flash und Silverlight.

Tipp: Was wissen sie über Microsoft? Überprüfen Sie Ihr Wissen – mit 15 Fragen auf silicon.de.