การจดจำเนื้อหาอัตโนมัติ

ระบบจดจำเนื้อหาอัตโนมัติ ( ACR ) คือเทคโนโลยีที่ใช้ระบุเนื้อหาที่เล่นบนอุปกรณ์สื่อหรือแสดงอยู่ในไฟล์สื่อ อุปกรณ์ที่มี ACR ช่วยให้สามารถรวบรวมข้อมูลการบริโภคเนื้อหาโดยอัตโนมัติที่ระดับหน้าจอหรือลำโพงโดยไม่ต้องให้ผู้ใช้ป้อนข้อมูลหรือค้นหาข้อมูลใดๆ ข้อมูลนี้อาจรวบรวมไว้เพื่อวัตถุประสงค์ต่างๆ เช่น การโฆษณาส่วนบุคคล การแนะนำเนื้อหา หรือการขายให้กับบริษัทที่รวบรวมข้อมูลลูกค้า[1] [2]

มันทำงานอย่างไร

ในการเริ่มกระบวนการนี้ ให้เลือกคลิปสื่อสั้นๆ (เสียง วิดีโอ หรือทั้งสองอย่าง) จากภายในไฟล์สื่อ หรือจับภาพเพื่อแสดงบนอุปกรณ์ เช่นสมาร์ททีวีโดยใช้เทคนิคต่างๆ เช่นการพิมพ์ลายนิ้วมือและลายน้ำซอฟต์แวร์ ACR จะเปรียบเทียบเนื้อหาที่เลือกกับฐานข้อมูลผลงานที่บันทึกไว้ที่ทราบ[2]หากพบลายนิ้วมือของคลิปสื่อที่ตรงกัน ซอฟต์แวร์ ACR จะส่งเมตาเดตา ที่ เกี่ยวข้องกับสื่อ รวมถึงเนื้อหาที่เกี่ยวข้องหรือแนะนำอื่นๆ กลับไปยังแอปพลิเคชันไคลเอนต์เพื่อแสดงให้ผู้ใช้ดู หรือให้ผู้ผลิตอุปกรณ์หรือบริษัทที่รวบรวมข้อมูลผู้ใช้รวบรวม[1]

ผู้ให้บริการด้านเทคโนโลยี

ผู้ให้บริการ ACR ได้แก่ACRCloud , Beatgrid, Digimarc , Gracenote , Inscape Data Services , Kantar Media , Pex, Red Bee Media , Samba TV , Shazamและ Zapr Media Labs

ลายนิ้วมือและลายน้ำ

วิธีการชั้นนำสองวิธีสำหรับ ACR ที่ใช้เสียง ได้แก่การพิมพ์ลายนิ้วมือเสียงและการใส่ลายน้ำในทำนองเดียวกันการพิมพ์ลายนิ้วมือวิดีโอจะถูกใช้เพื่อรองรับ ACR สำหรับสื่อภาพ

ลายนิ้วมือเสียงจะสร้างลายนิ้วมือเฉพาะตัวจากเนื้อหาเสียงนั้นเอง เทคนิคลายนิ้วมือไม่ขึ้นกับรูปแบบเนื้อหาโคเดกอัตราบิตและเทคนิคการบีบอัด[3]ซึ่งทำให้การใช้ลายนิ้วมือเสียงเป็นไปได้ในเครือข่ายและช่องทางต่างๆ[ ต้องการการชี้แจง ]และใช้กันอย่างแพร่หลายสำหรับทีวีแบบโต้ตอบ แอปพลิเคชัน หน้าจอที่สองและภาคส่วนการติดตามเนื้อหา[4] [5]แอปยอดนิยม เช่นShazam , YouTube , Facebook , [6] TheTake, WeChatและWeiboรายงานว่าใช้ ระเบียบวิธี การลายนิ้วมือเสียงเพื่อจดจำเนื้อหาที่เล่นจากทีวีเพื่อเรียกใช้คุณสมบัติเพิ่มเติม เช่น การโหวต ลอตเตอรี หัวข้อ หรือการซื้อ[ ต้องการการอ้างอิง ]

ต่างจากการพิมพ์ลายนิ้วมือ ลายน้ำดิจิทัลต้องรวม "แท็ก" ดิจิทัล[ จำเป็นต้องมีคำอธิบายเพิ่มเติม ]ไว้ในสตรีมเนื้อหาดิจิทัลก่อนเผยแพร่ ตัวอย่างเช่น ตัวเข้ารหัสการออกอากาศอาจแทรกลายน้ำทุกๆ สองสามวินาที ซึ่งอาจใช้เพื่อระบุช่องออกอากาศ รหัสรายการ และแสตมป์เวลา ลายน้ำนี้โดยปกติจะไม่ได้ยินหรือมองไม่เห็นโดยผู้ใช้ แต่สามารถตรวจจับได้โดยอุปกรณ์แสดงผล เช่น โทรศัพท์หรือแท็บเล็ตที่สามารถอ่านลายน้ำเพื่อระบุเนื้อหาที่กำลังเล่นอยู่[7]เทคโนโลยีลายน้ำยังใช้ในด้านการปกป้องสื่อเพื่อช่วยระบุว่าสำเนาที่ผิดกฎหมายมา จากที่ใด [8]

ประวัติศาสตร์

ในปี 2011 เทคโนโลยี ACR ถูกนำไปใช้กับเนื้อหาทางทีวีโดย บริการ Shazamซึ่งดึงดูดความสนใจจากอุตสาหกรรมโทรทัศน์ Shazam เคยเป็นบริการจดจำเพลงที่จดจำเพลงจากการบันทึกเสียง ด้วยการใช้เทคโนโลยีลายนิ้วมือของตัวเองเพื่อระบุช่องและวิดีโอถ่ายทอดสด ทำให้ Shazam ขยายธุรกิจไปสู่รายการโทรทัศน์ นอกจากนี้ ในปี 2011 Samba TV (ในขณะนั้นรู้จักกันในชื่อ Flingo [9] ) ได้เปิดตัวเทคโนโลยี ACR วิดีโอที่ได้รับสิทธิบัตร ซึ่งใช้ลายนิ้วมือวิดีโอเพื่อระบุเนื้อหาบนหน้าจอและเปิดใช้งานแอปทีวีแบบโต้ตอบข้ามหน้าจอบน Smart TV [10] ในปี 2012 DIRECTVผู้ให้บริการการสื่อสารผ่านดาวเทียมได้ร่วมมือกับ Viggle ผู้ให้บริการความภักดีต่อทีวีเพื่อมอบประสบการณ์การรับชมแบบโต้ตอบบนหน้าจอที่สอง

ในปี 2013 LG ได้ร่วมมือกับCognitive Networks (ต่อมาถูกซื้อโดยVizioและเปลี่ยนชื่อเป็น Inscape) ซึ่งเป็นผู้จำหน่าย ACR เพื่อให้บริการการโต้ตอบที่ขับเคลื่อนโดย ACR [11]ในปี 2015 เทคโนโลยี ACR แพร่กระจายไปยังแอปพลิเคชันและสมาร์ททีวีมากยิ่งขึ้น แอปพลิเคชันโซเชียลและผู้ผลิตทีวีเช่นFacebook , Twitter , Google , WeChat , Weibo , LG , SamsungและVizio TV ได้ใช้เทคโนโลยี ACR ซึ่งพัฒนาโดยตนเองหรือบูรณาการโดยผู้ให้บริการ ACR บุคคลที่สาม[ จำเป็นต้องอ้างอิง ]ในปี 2016 มีแอปพลิเคชันเพิ่มเติมและระบบปฏิบัติการมือถือที่ฝังด้วยบริการการจดจำเนื้อหาอัตโนมัติ รวมถึง Peach, Omusic และ Mi OS [12] [13] [14]

แอปพลิเคชั่น

การโฆษณาและการรวบรวมข้อมูลลูกค้า

ข้อมูลที่รวบรวมเกี่ยวกับพฤติกรรมการบริโภคสื่อของลูกค้าอาจมีค่ามากสำหรับผู้ผลิตอุปกรณ์ ผู้โฆษณา และบริษัทรวบรวมข้อมูล เทคโนโลยี ACR ช่วยให้บริษัทเหล่านี้สำรวจความสนใจของลูกค้าและรวบรวมข้อมูลเพื่อให้สามารถกำหนดเป้าหมายได้อย่างแม่นยำยิ่งขึ้นด้วย แคมเปญ การตลาดและโฆษณาแบบเฉพาะบุคคล มีรายงานในเดือนพฤศจิกายน 2021 ว่าVizio ผู้ผลิตโทรทัศน์อัจฉริยะ ได้รับกำไรจากการขายข้อมูลของลูกค้ามากกว่าจากโทรทัศน์ที่ขาย[15]

การวัดผลผู้ชม

ปัจจุบัน การวัดผลผู้ชมแบบเรียลไทม์สามารถทำได้สำเร็จแล้วโดยการนำเทคโนโลยี ACR มาใช้กับสมาร์ททีวี กล่องรับสัญญาณ และอุปกรณ์พกพา เช่น สมาร์ทโฟนและแท็บเล็ต ข้อมูลการวัดผลเหล่านี้มีความจำเป็นต่อการวัดผลการบริโภคของผู้ชมเพื่อกำหนดนโยบายราคาโฆษณา

การระบุเนื้อหา

เทคโนโลยี ACR ช่วยให้ผู้ชมค้นหาข้อมูลเกี่ยวกับเนื้อหาที่พวกเขาเคยดูหรือฟัง[16]เนื้อหาวิดีโอและเพลงที่ระบุสามารถเชื่อมโยงกับผู้ให้บริการเนื้อหาทางอินเทอร์เน็ตสำหรับการรับชมตามต้องการ บุคคลที่สามสำหรับข้อมูลพื้นฐานเพิ่มเติม หรือสื่อเสริม

การปรับปรุงเนื้อหา

เนื่องจากอุปกรณ์สามารถ "รับรู้" ถึงเนื้อหาที่กำลังรับชมหรือรับฟัง อุปกรณ์หน้าจอที่สองจึงสามารถส่งเนื้อหาเสริมให้กับผู้ใช้ได้นอกเหนือจากเนื้อหาที่แสดงบนหน้าจอหลัก เทคโนโลยี ACR ไม่เพียงแต่สามารถระบุเนื้อหาได้เท่านั้น แต่ยังสามารถระบุตำแหน่งที่แน่นอนภายในเนื้อหาและนำเสนอข้อมูลเพิ่มเติมแก่ผู้ใช้ได้อีกด้วย นอกจากนี้ ACR ยังสามารถเปิดใช้งานคุณสมบัติเชิงโต้ตอบต่างๆ เช่น การสำรวจความคิดเห็น คูปอง ลอตเตอรี หรือการซื้อสินค้าโดยอิงตามวันที่และเวลา[17]

ความกังวลเกี่ยวกับความเป็นส่วนตัว

องค์กรต่างๆ ตั้งแต่ผู้สนับสนุนสิทธิผู้บริโภค อย่าง Electronic Frontier Foundationไปจนถึงเว็บไซต์ด้านเทคโนโลยีเช่นPCMagต่างแสดงความคัดค้านอย่างจริงจังต่อการรวบรวมพฤติกรรมการบริโภคการดูข้อมูลของผู้ใช้ตามอุปกรณ์ของตนด้วยเหตุผลด้านความเป็นส่วนตัว[18] [19]

ดูเพิ่มเติม

อ้างอิง

  1. ^ ab "ระบบจดจำเนื้อหาอัตโนมัติสร้างระบบนิเวศที่ตระหนักถึงเนื้อหา" (PDF) . Civolution . เก็บถาวรจากแหล่งเดิม(PDF)เมื่อ 23 กันยายน 2015 . สืบค้นเมื่อ24 มิถุนายน 2015 .
  2. ^ ab "ACR (การจดจำเนื้อหาอัตโนมัติ)". เก็บถาวรจากแหล่งเดิมเมื่อ 28 กุมภาพันธ์ 2017 . สืบค้นเมื่อ27 กุมภาพันธ์ 2017 .
  3. ^ "Panako: ระบบการสร้างลายนิ้วมือเสียงแบบปรับขนาดได้สำหรับการจัดการการปรับมาตราส่วนเวลาและระดับเสียง" Universiteit Gentสืบค้นเมื่อ27 กุมภาพันธ์ 2017
  4. ^ Main, Sami. "Nielsen Is Bringing Real-Time Interactive Ads to Smart TVs to Keep Streaming Audiences Engaged". Adweek . สืบค้นเมื่อ2018-01-11 .
  5. ^ Brink, Kyle. "A Primer on Automated Content". Viggle . เก็บถาวรจากแหล่งเดิมเมื่อ 2015-06-24 . สืบค้นเมื่อ22 มิถุนายน 2015 .
  6. ^ "ระบบจดจำเนื้อหาอัตโนมัติของ Facebook". Starcom MediaVest Group . SMG. เก็บถาวรจากแหล่งเดิมเมื่อ 6 กรกฎาคม 2015 . สืบค้นเมื่อ 6 กรกฎาคม 2015 .
  7. ^ Brink, Kyle (14 เมษายน 2014). "SVP of Product Development". A Primer on Automated Content Recognition . Viggle . สืบค้นเมื่อ22 มิถุนายน 2015 .
  8. ^ Solana, Anna. "How these hidden video watermarks can help detect pirates, edited images". ZDNet . สืบค้นเมื่อ2018-01-11 .
  9. ^ Baumgartner, Jeff (24 กันยายน 2013). "Flingo Rebrands as Samba TV". Multichannel News . สืบค้นเมื่อ5 ตุลาคม 2021 .
  10. ^ Swedlow, Tracy (7 กรกฎาคม 2011). "Interactive TV News Round-Up (II): Flingo, Hulu, ITU". เก็บถาวรจากแหล่งเดิมเมื่อ 2011-07-09.
  11. ^ "LG ร่วมมือกับ Cognitive Networks เพื่อทำให้ Smart TV ฉลาดขึ้นและโต้ตอบได้มากขึ้น" engadget . 29 สิงหาคม 2013 . สืบค้นเมื่อ23 สิงหาคม 2016 .
  12. ^ "ACRCloud ขับเคลื่อนการจดจำเพลงสำหรับเครือข่ายสังคมออนไลน์ที่ฮอตที่สุดอย่าง Peach". Music Industry News Network . เก็บถาวรจากแหล่งเดิมเมื่อ 8 มีนาคม 2016 . สืบค้นเมื่อ 3 มีนาคม 2016 .
  13. ^ Victoria, Ho (16 กุมภาพันธ์ 2016). "Xiaomi จะช่วยคุณตั้งชื่อเพลงที่คุณหยุดฮัมไม่ได้" Mashable สืบค้นเมื่อ3 มีนาคม 2016
  14. ^ "ACRCloud ขับเคลื่อนการเปิดตัวบริการจดจำเพลง/ฮัมเพลงแห่งแรกของไต้หวันสำหรับ Omusic" Music Industry News Network . เก็บถาวรจากแหล่งเดิมเมื่อ 8 มีนาคม 2016 . สืบค้นเมื่อ 3 มีนาคม 2016 .
  15. ^ Dunn, Thom (18 พ.ย. 2021). "ผู้ผลิตทีวี Vizio ทำเงินได้มากกว่าจากการขายข้อมูลมากกว่าทีวี". Boing Boing . สืบค้นเมื่อ22 พ.ย. 2021 .
  16. ^ Weiss, Tom (23 มกราคม 2018). "Tom Weiss: Breaking the barriers to addressable advertising in Europe". Broadband TV News . สืบค้นเมื่อ30 สิงหาคม 2018 .
  17. ^ Wolf, Michael. "Three Ways Automatic Content Recognition Will Change TV". Forbes . สืบค้นเมื่อ20 มิถุนายน 2015 .
  18. ^ "สมาร์ททีวี Samsung, LG และ Vizio กำลังบันทึกและแบ่งปันข้อมูลเกี่ยวกับทุกสิ่งที่คุณดู Consumer Reports สืบสวนนายหน้าข้อมูลที่ต้องการเปลี่ยนนิสัยการรับชมของคุณให้กลายเป็นเงิน" Consumer Reports สืบค้นเมื่อ27กุมภาพันธ์2017
  19. ^ "วิธีหยุด Smart TV จากการสอดส่องคุณ". PCMAG . สืบค้นเมื่อ2021-11-22 .
Retrieved from "https://en.wikipedia.org/w/index.php?title=Automatic_content_recognition&oldid=1261647306"