ഓട്ടോ-സമ്മറിയുടെ കല

YouTube ക്രിയേറ്റർമാർ മണിക്കൂറുകളോളം റോ ഫൂട്ടേജ് (raw footage) പരിശോധിക്കാൻ ചെലവഴിക്കുന്നു. കുലുങ്ങുന്ന വീഡിയോകളിലും അവസാനിക്കാത്ത സംസാരങ്ങൾക്കിടയിലും നിങ്ങൾ ഒരു കഥ തിരയുന്നു. ട്രാൻസ്ക്രിപ്റ്റുകൾ (transcripts) നേരിട്ട് വായിക്കുന്നത് നിങ്ങളുടെ സമയം പാഴാക്കുന്നു. പകരം ആ സമയം എഡിറ്റിംഗിനോ കളർ ഗ്രേഡിംഗിനോ വേണ്ടി ഉപയോഗിക്കാം. AI ഓട്ടോ-സമ്മറൈസേഷൻ ഈ കുഴപ്പങ്ങളെ വ്യക്തമായ ഒരു ബീറ്റ് ഷീറ്റാക്കി (beat sheet) മാറ്റുന്നു. ഇത് എഡിറ്റിംഗ് തുടങ്ങുന്നതിന് മുമ്പ് തന്നെ കഥ അംഗീകരിക്കാൻ നിങ്ങളെ സഹായിക്കുന്നു.

നിങ്ങളുടെ കഥ കണ്ടെത്താൻ രണ്ട് ഘട്ടങ്ങൾ ഉപയോഗിക്കുക. ഒന്നാമതായി, ഒരു സ്റ്റോറി എഡിറ്ററായി പ്രവർത്തിക്കാൻ AI-യോട് ആവശ്യപ്പെടുക. ഇത് നിങ്ങൾക്ക് ഓരോ ഭാഗത്തിന്റെയും രൂപരേഖ (outline) നൽകുന്നു. ഇതാണ് നിങ്ങളുടെ മാക്രോ വ്യൂ (macro view). രണ്ടാമതായി, ഓരോ ഭാഗവും പരിശോധിച്ചു കൃത്യമായ ബീറ്റുകൾ (beats) കണ്ടെത്തുക. ഈ ബീറ്റുകൾക്കൊപ്പം ഉദ്ധരണികളും ടൈംസ്റ്റാമ്പുകളും ഉൾപ്പെടുത്തുക. ഇതാണ് നിങ്ങളുടെ മൈക്രോ വ്യൂ (micro view). അവ്യക്തമായ പ്രോംപ്റ്റുകൾ ഉപയോഗിക്കരുത്. പകരം, നിങ്ങളുടെ വീഡിയോയുടെ ഒഴുക്കിന് അനുസരിച്ച് പ്രവർത്തിക്കാൻ മോഡലിനെ നയിക്കുക. ഇൻട്രോ (intro), പ്രശ്നം (problem), മാറ്റം (pivot), പരിഹാരം (resolution) എന്നിങ്ങനെയുള്ള ഒരു ഘടന ഉപയോഗിക്കുക. ബീറ്റുകളെ ടൈംസ്റ്റാമ്പുകളുമായി ബന്ധിപ്പിക്കുന്നത് കഥ അംഗീകരിക്കുന്നതിനായുള്ള ഒരു പട്ടിക തയ്യാറാക്കാൻ സഹായിക്കുന്നു. ഇത് എഡിറ്റിംഗിന് മുമ്പ് തന്നെ കഥയുടെ വൈകാരികമായ ഒഴുക്കിൽ (emotional arc) എല്ലാവരും യോജിക്കുന്നുണ്ടെന്ന് ഉറപ്പാക്കുന്നു.

ടൂൾ ഹൈലൈറ്റ്: വൃത്തിയുള്ള ടെക്സ്റ്റും ഒരു എനർജി ഗ്രാഫും (energy graph) ലഭിക്കാൻ Whisper ഉപയോഗിക്കുക. ഓഡിയോയിലെ ആവേശം അല്ലെങ്കിൽ നിരാശ എന്നിവയുമായി ഒരു ബീറ്റ് യോജിക്കുന്നുണ്ടോ എന്ന് എനർജി ഗ്രാഫ് കാണിച്ചുതരുന്നു. ഇത് AI നൽകുന്ന വിവരങ്ങൾ യഥാർത്ഥ ശബ്ദങ്ങളുമായി ഒത്തുനോക്കാൻ നിങ്ങളെ സഹായിക്കുന്നു.

രണ്ട് മണിക്കൂർ നീളുന്ന ഒരു മാർക്കറ്റ് ഷൂട്ട് നിങ്ങളുടെ കയ്യിലുണ്ടെന്ന് സങ്കൽപ്പിക്കുക. Whisper ഉപയോഗിച്ച ശേഷം, നിങ്ങൾക്ക് നാല് ഭാഗങ്ങളുള്ള ഒരു മാക്രോ ഔട്ട്‌ലൈൻ ലഭിക്കുന്നു. തുടർന്ന് രണ്ടാമത്തെ ഭാഗത്തെ മൈക്രോ ബീറ്റുകൾക്കായി നിങ്ങൾ ആവശ്യപ്പെടുന്നു. 1:10:15-ൽ കൃത്യമായ ഉദ്ധരണിയോടും അതിനോട് യോജിക്കുന്ന എനർജി സ്പൈക്കുമാടും (energy spike) കൂടിയ ഒരു നിരാശയുടെ നിമിഷം (frustration beat) നിങ്ങൾക്ക് കണ്ടെത്താൻ കഴിയുന്നു.

ഇത് എങ്ങനെ നടപ്പിലാക്കാം:

  • ട്രാൻസ്ക്രിപ്റ്റ് തയ്യാറാക്കുക: നിങ്ങളുടെ ഫൂട്ടേജ് ഒരു AI ട്രാൻസ്ക്രിപ്ഷൻ സർവീസ് വഴി പ്രോസസ്സ് ചെയ്യുകയും പിശകുകൾ ഉണ്ടോ എന്ന് പരിശോധിക്കുകയും ചെയ്യുക.
  • ഒരു മാക്രോ ഔട്ട്‌ലൈൻ നിർമ്മിക്കുക: നിങ്ങളുടെ കഥയുടെ ഓരോ ഭാഗത്തിന്റെയും വിവരണത്തിനായി AI-യോട് ആവശ്യപ്പെടുക.
  • മൈക്രോ ബീറ്റുകൾ വേർതിരിച്ചെടുക്കുക: ലേബലുകൾ, ഉദ്ധരണികൾ, ടൈംസ്റ്റാമ്പുകൾ എന്നിവ സഹിതം കൃത്യമായ ബീറ്റുകൾ ആവശ്യപ്പെടുക. ഇവ എനർജി ഗ്രാഫുമായി ഒത്തുനോക്കുക.

സംഗ്രഹം:

  • ഘട്ടം ഘട്ടമായുള്ള പ്രോംപ്റ്റിംഗ് (Tiered prompting) ട്രാൻസ്ക്രിപ്റ്റുകളെ ബീറ്റ് ഷീറ്റുകളാക്കി മാറ്റുന്നു.
  • സെന്റിമെന്റ് അനാലിസിസ് (Sentiment analysis) വൈകാരിക സൂചനകളുമായി ബീറ്റുകൾ ഒത്തുനോക്കാൻ സഹായിക്കുന്നു.
  • ടൈംസ്റ്റാമ്പ് ചെയ്ത പട്ടികകൾ മണിക്കൂറുകളോളം നീളുന്ന എഡിറ്റിംഗ് സമയം ലാഭിക്കുന്നു.

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

ഓപ്ഷണൽ ലേണിംഗ് കമ്മ്യൂണിറ്റി: https://t.me/GyaanSetuAi