Videoförståelse på Okou
Läs en video istället för att titta på den: en tidsstämplad transkription först, sedan de få bildrutor som faktiskt är värda att titta på. För närvarande gratis.
Körtid · Ingen installation · Registrerad för användningsanalys, för närvarande 0 krediter
En agent kan inte titta på en timmes video, och det kan inte du heller före lunch. Så den läser den: de talade orden med tidsstämplar, vilket är ett index över allt som hände, och sedan stillbilder tagna från de två eller tre ögonblick som behöver ses snarare än läsas.
Det fungerar från en länk, från en fil som delas i chatten, eller från en fil på disken, och samtal kostar för närvarande ingenting. Den kombinationen gör det till det förnuftiga första steget för alla inspelningar som kommer med en fråga.
Vad Videoförståelse är
Inspelningar hopar sig snabbare än någon granskar dem: demos, genomgångar, intervjuer, möten, sessioner som någon spelade in för att det verkade viktigt då.
Det effektiva sättet att ta sig igenom en är inte att titta på den. Det är att läsa transkriptionen, hitta de ögonblick som är viktiga med deras tidsstämplar och bara titta på dem. Det är ett tvåstegsmönster, och båda stegen finns här.
Transkription returnerar de talade orden med tidsintervall, vilket också fungerar som en innehållsförteckning. Ramutvinning tar en lista med tidsstämplar och returnerar bilderna, vilket är vad du vill när svaret finns på skärmen snarare än i ljudet.
Eftersom samtal för närvarande inte kostar något finns det ingen anledning att vara selektiv med vilka inspelningar som läses. Kostnaden för ett arbetsflöde som indexerar varje inspelning är densamma som kostnaden för ett arbetsflöde som inte indexerar någon av dem.
Vad Videoförståelse kan göra
Vad en agent kan göra med det, och vad som kommer tillbaka när den gör det.
Täckning och gränser
Vad den inte gör, sagt på förhand, så att ingen planerar ett arbetsflöde kring något som ligger utanför ramen.
Ord och bilder, inte förståelse
Den ger en agent transkriptionen och bildrutorna. Att förstå vad som hände är sedan agentens egen läsning av dessa, vilket oftast är bättre än en sammanfattning som producerats utan någon av dem.
Ljud driver transkriptionen
En tyst skärminspelning producerar inget att läsa. För dessa är bildrutor med intervaller hela tillvägagångssättet, och tidsstämplarna måste komma från någon annanstans än orden.
Långa inspelningar ger långa transkriptioner
En timmes tal är mycket text att ge en modell på en gång. Att arbeta sektion för sektion är mer tillförlitligt än att be om allt i ett enda pass.
Den transkriberar, den märker inte talare
Du får vad som sades och när. Vem som sa det kommer från kontexten i transkriptionen, inte från tjänsten, så ett arbetsflöde som behöver attribuering bör ange detta och kontrollera.
Vad Videoförståelse kostar
Webbtjänster debiteras i krediter per anrop, inte per token. Det finns ingen separat leverantörsfaktura att stämma av.
zero videoSamtal spelas in så att du kan se dem och kostar för närvarande 0 krediter, med förbehåll för rimlig användning. Bildextraktion sker på maskinen som kör agenten, så det kostar inget utöver den tid det tar. Det finns ingen transkriptionsplan under och ingen minutavgift för att titta.
Installation och åtkomst
Inget att ställa in
Inget att ansluta. Inget transkriptionskonto, ingen nyckel, ingen plan. Ge en agent en länk till en inspelning och den kan läsa den vid första körningen.
Vem kan använda det
Att läsa en inspelning som en agent fick är en del av vad en agent gör med de filer den får, så det finns inget separat tillstånd att bevilja här. Det som begränsar det är vad du ger den åtkomst till.
Vad team använder Videoförståelse till
Förvandla en inspelning till anteckningar
En demo, en intervju eller en session blir en tidsstämplad sammanfattning med de tre skärmdumparna som belyser poängen, producerade medan mötet fortfarande är färskt.
Hitta ögonblicket i en lång session
Någon säger att svaret finns där någonstans. Transkriptionen hittar det på några sekunder, och en bildruta bekräftar det, istället för att en person skrubbar en tidslinje.
Gör video sökbar
Transkribera inspelningar när de anländer och behåll texten. Ett bibliotek som ingen kunde söka blir ett som en agent kan svara på frågor från.
När man inte ska använda Videoförståelse
Hoppa över det när en tyst inspelning behöver beskrivas, där bildrutor med intervaller är den faktiska metoden och transkriptionen är tom. Hoppa över det när en formell registrering krävs, eftersom en automatisk transkription är ett arbetsdokument snarare än ett protokoll. Och hoppa över att transkribera en timme i ett svep när frågan bara rör en del av den.
Vad detta kallas på andra ställen
Samma sak går under flera namn på marknaden. Om du har handlat efter en av dessa, så här matchar den vad du får här.
Videotranskription API
Att omvandla tal i en inspelning till text som ett program kan använda. Det är den första halvan av detta, utan något konto eller nyckel från dig.
Tal till text
Det vanliga namnet för det underliggande steget. Här kommer det tillbaka med tidsintervall, vilket är det som gör det användbart för navigering snarare än bara för läsning.
Video till text
Vad folk söker efter när de har en inspelning och behöver något de kan läsa, citera och söka i.
Ramutvinning
Att dra stillbilder vid valda tidsstämplar. Det är den del folk glömmer att fråga efter, och det är det som gör transkriptionen användbar när svaret är på skärmen.
Mötesanteckningar från en inspelning
Det vanliga arbetsflödet byggt från båda halvorna: transkription för vad som sades, ramar för vad som visades, och agenten som skriver ner det.
Videoförståelse jämfört
Videoförståelse vs en transkriptionstjänst
En transkriptionstjänst ger dig ett gränssnitt, en redigerare och ett lagrat arkiv, och debiterar per minut. Detta ger en agent texten och ramarna inom ett arbetsflöde, och debiterar för närvarande ingenting.
Videoförståelse vs en mötesantecknare
En antecknare ansluter till samtalet och producerar anteckningar som en produkt. Detta fungerar på alla inspelningar du redan har, inklusive de som ingen planerade att fånga ordentligt.
Videoförståelse vs be en modell att titta på videon
Att lämna över en hel inspelning är långsamt och dyrt. Att läsa transkriptionen och sedan titta på tre bildrutor ger samma svar för en bråkdel av arbetet.
Den korta versionen
Det billigaste sättet att göra en inspelning användbar: transkribera först som ett index, sedan ramar för de ögonblick som behöver ögon. För närvarande gratis, vilket innebär att det inte finns någon anledning att inte läsa varje inspelning som kommer in.
Vanliga frågor
Vad kostar transkription?
Samtal spelas in och kostar för närvarande 0 krediter, med förbehåll för rimlig användning. Bildextraktion körs lokalt och kostar inget utöver tiden.
Var kan videon komma ifrån?
En länk, en fil delad i chatten, eller en fil på maskinen som kör agenten.
Får jag tidsstämplar?
Ja, ett tidsintervall per rad som standard, vilket gör att transkriptionen fungerar som ett index. Du kan be om vanlig text när den ska in i prosa.
Berättar den vem som talade?
Nej. Du får veta vad som sades och när. Tillskrivning måste komma från sammanhanget, och ett arbetsflöde som är beroende av det bör kontrollera snarare än anta.
Kan den läsa en tyst skärminspelning?
Det finns inget att transkribera, så tillvägagångssättet är istället bildrutor med intervaller, med tidsstämplarna valda snarare än hittade i orden.
Hur lång video kan den hantera?
Långa fungerar, men en timmes tal är mycket text att resonera över på en gång. Sektion för sektion är det mer tillförlitliga mönstret.
Vilka språk transkriberar den?
De vanliga som den underliggande modellen stöder. För ett ovanligt språk är det värt att transkribera ett kort prov innan man bygger vidare på det.
Kan jag få en sammanfattning istället för en transkription?
Be om en. Tjänsten returnerar transkriptionen och bildrutorna, och agenten som läste dem skriver sammanfattningen, vilket är anledningen till att den kan peka på tidsstämpeln den kom ifrån.
Hur du ber om Videoförståelse
Du beskriver vad du vill ha med vanliga ord. Agenten avgör vilken tjänst som behövs och gör anropen.
“Transkribera denna session, sammanfatta besluten med tidsstämplar och hämta ramarna för de tre ögonblicken som är värda att skärmdumpa.”
“Någonstans under detta timslånga samtal diskuterar de prissättning. Hitta det, citera det och visa mig vad som fanns på skärmen.”
“Transkribera varje inspelning i den här mappen och berätta vilka som nämner onboarding.”
