自動要約の技術
YouTubeクリエイターは、生の映像を見返すのに何時間も費やしています。手ブレのある映像や終わりのない雑談の中からストーリーを探し出す作業。文字起こしを手動で読むのは時間の無駄です。その時間を編集やカラーグレーディングに充てるべきです。AIによる自動要約は、この混沌とした状態を明確なビートシートへと変えてくれます。これにより、カット作業を始める前にストーリーの承認を得ることが可能になります。
ストーリーを見つけるために、2つのレイヤーを活用しましょう。まず、AIにストーリーエディターとして振る舞うよう指示します。これにより、セクションごとのアウトラインが得られます。これがマクロ視点です。次に、各セグメントを詳しく見て、特定のビートを探します。これらのビートには、引用文とタイムスタンプを含めてください。これがミクロ視点です。曖昧なプロンプトは避けましょう。代わりに、ビデオの流れに従うようモデルを誘導します。「導入、問題、転換、解決」といった構造を使用してください。ビートをタイムスタンプに紐付けることで、ストーリー承認のためのリストが作成されます。これにより、編集を始める前に、全員が感情の弧（エモーショナル・アーク）について合意できるようになります。
ツール紹介: Whisperを使用して、クリーンなテキストとエネルギーグラフを取得しましょう。エネルギーグラフは、特定のビートが音声内の興奮や不満と一致しているかどうかを示します。これにより、AIの出力を実際の音と照らし合わせて確認できます。
例えば、2時間の市場の撮影映像があるとします。Whisperを実行した後、4つのセクションに分かれたマクロアウトラインが得られます。次に、セクション2のミクロビートを要求します。すると、1:10:15に不満を感じているビートが見つかり、正確な引用文と一致するエネルギーのスパイクが確認できます。
実装方法:
- 文字起こしの準備: 映像をAI文字起こしサービスにかけ、エラーがないか確認します。
- マクロアウトラインの生成: ナラティブ・アークをセクションごとに分解して出力するようAIに指示します。
- ミクロビートの抽出: ラベル、引用文、タイムスタンプを含む特定のビートを要求します。これらをエネルギーグラフと照らし合わせて確認してください。
まとめ:
- 階層的なプロンプティングにより、文字起こしをビートシートへと変換できます。
- 感情分析により、感情的な手がかりとビートの整合性を検証できます。
- タイムスタンプ付きのリストにより、手動編集の時間を大幅に短縮できます。
ソース: https://dev.to/ken_deng_ai/the-art-of-the-auto-summary-generating-narrative-beats-from-chaos-3gea
学習コミュニティ（オプション）: https://t.me/GyaanSetuAi