ऑटो-समरी की कला

YouTube क्रिएटर्स कच्चे फुटेज (raw footage) को देखने में घंटों बिताते हैं। आप हिलते हुए वीडियो और अंतहीन बातचीत में एक कहानी तलाशते हैं। ट्रांसक्रिप्ट को मैन्युअल रूप से पढ़ना आपका समय बर्बाद करता है। आप उस समय का उपयोग एडिटिंग या कलर ग्रेडिंग में कर सकते हैं। AI ऑटो-समराइजेशन (auto-summarization) इस अराजकता को एक स्पष्ट बीट शीट (beat sheet) में बदल देता है। इससे आप कटिंग शुरू करने से पहले कहानी को मंजूरी दे सकते हैं।

अपनी कहानी खोजने के लिए दो स्तरों (layers) का उपयोग करें। सबसे पहले, AI को एक स्टोरी एडिटर के रूप में कार्य करने के लिए कहें। यह आपको सेक्शन-दर-सेक्शन रूपरेखा (outline) प्रदान करता है। यह आपका मैक्रो व्यू (macro view) है। दूसरा, विशिष्ट बीट्स खोजने के लिए प्रत्येक सेगमेंट को देखें। इन बीट्स के लिए उद्धरण (quotes) और टाइमस्टैम्प शामिल करें। यह आपका माइक्रो व्यू (micro view) है। कोई अस्पष्ट प्रॉम्प्ट (prompt) का उपयोग न करें। इसके बजाय, मॉडल को अपने वीडियो फ्लो का पालन करने के लिए निर्देशित करें। इंट्रो, समस्या, पिवट (pivot) और समाधान (resolution) जैसी संरचना का उपयोग करें। बीट्स को टाइमस्टैम्प से जोड़ने से कहानी की मंजूरी के लिए एक सूची बन जाती है। यह सुनिश्चित करता है कि एडिटिंग शुरू करने से पहले हर कोई इमोशनल आर्क (emotional arc) पर सहमत हो।

टूल हाइलाइट: साफ टेक्स्ट और एनर्जी ग्राफ प्राप्त करने के लिए Whisper का उपयोग करें। एनर्जी ग्राफ दिखाता है कि क्या कोई बीट ऑडियो में उत्साह या हताशा से मेल खाती है। यह आपको वास्तविक ध्वनियों के विरुद्ध AI आउटपुट की जांच करने में मदद करता है।

कल्पना कीजिए कि आपके पास दो घंटे का मार्केट शूट है। Whisper चलाने के बाद, आपको चार सेक्शन के साथ एक मैक्रो रूपरेखा मिलती है। फिर आप दूसरे सेक्शन में माइक्रो बीट्स के लिए पूछते हैं। आपको 1:10:15 पर एक हताशा वाली बीट (frustration beat) मिलती है, जिसमें सटीक उद्धरण और एक मेल खाने वाला एनर्जी स्पाइक होता है।

इसे कैसे लागू करें:

  • ट्रांसक्रिप्ट तैयार करें: अपने फुटेज को एक AI ट्रांसक्रिप्शन सेवा के माध्यम से चलाएं और त्रुटियों की जांच करें।
  • मैक्रो रूपरेखा तैयार करें: AI से अपने नैरेटिव आर्क (narrative arc) का सेक्शन-दर-सेक्शन विवरण तैयार करने के लिए कहें।
  • माइक्रो बीट्स निकालें: लेबल, उद्धरण और टाइमस्टैम्प के साथ विशिष्ट बीट्स का अनुरोध करें। इनकी एनर्जी ग्राफ के साथ जांच करें।

सारांश:

  • टियर-आधारित प्रॉम्प्टिंग (Tiered prompting) ट्रांसक्रिप्ट को बीट शीट में बदल देती है।
  • सेंटीमेंट एनालिसिस (Sentiment analysis) इमोशनल संकेतों के आधार पर बीट्स को सत्यापित करने में मदद करता है।
  • टाइमस्टैम्प वाली सूचियाँ मैन्युअल एडिटिंग के घंटों बचाती हैं।

Source: https://dev.to/ken_deng_ai/the-art-of-the-auto-summary-generating-narrative-beats-from-chaos-3gea

Optional learning community: https://t.me/GyaanSetuAi