संख्या वाली लाइनों पर AI वीडियो में प्रेज़ेंटर क्यों गायब हो जाता है

संख्या वाली लाइनों पर AI वीडियो प्रेज़ेंटर क्यों छोड़ देता है

ऑटोमैटिक जाँच हर टेक को सुनती है और स्क्रिप्ट से मिलाती है, ताकि कोई दबी हुई या छूटी हुई आवाज़ विज्ञापन तक न पहुँचे। वह जाँच उतनी ही अच्छी है जितनी अच्छी तरह वह संख्या पढ़ती है। विज्ञापनों की स्क्रिप्ट में कीमतें, प्रतिशत और दशमलव भरे रहते हैं, और यही वे लाइनें हैं जिन्हें जाँच गलत पढ़ सकती है। सख्त जाँच काम की हो सकती है और फिर भी गलत हो सकती है: वह तभी भरोसेमंद है जब वह स्क्रिप्ट को वैसे ही पढ़े जैसे वह लिखी गई थी। गलत आंकड़ा दिखाने वाला कैप्शन दर्शक को उस दावे पर शक करा सकता है जिसे वह आंकड़ा सहारा देता है।

हमारे इंजीनियर ने क्या पाया: एक शब्द पर दो सिस्टम का मतभेद

हर फेल टेक पर जाँच का फ़ैसला था एक शब्द छूटा और दो शब्द जुड़े, जबकि चलाकर देखने पर प्रेज़ेंटर ने लाइन बिल्कुल सही बोली थी। मोड़ तब आया जब हमने उन दो चीज़ों की तुलना की जो ट्रांसक्रिप्शन सेवा, यानी रिकॉर्डिंग को टेक्स्ट में बदलने वाला सॉफ़्टवेयर, एक ही रिकॉर्डिंग के लिए लौटाती है: एक पूरा टेक्स्ट और अलग से एक-एक शब्दों की सूची, समय के साथ। पूरे टेक्स्ट में संख्या पूरी लिखी थी, जैसे स्क्रिप्ट में थी। शब्द सूची ने उसे कॉमा पर तोड़कर दो संख्याओं में बाँट दिया, शून्य और चार। जाँच शब्द सूची से बनी थी, इसलिए उसने दो संख्याएँ सुनीं जहाँ स्क्रिप्ट में एक थी, और सही टेक ठुकरा दिया। दोनों आउटपुट एक ही रिकॉर्डिंग से आए थे, यानी मतभेद टूल के अंदर था, प्रेज़ेंटर की आवाज़ में नहीं।

प्लेटफ़ॉर्म के करीब छह हफ़्ते के इतिहास में खोजने पर पता चला कि यह किसी एक विज्ञापन की इत्तेफ़ाक नहीं थी। दशमलव वाली लाइन का हर प्रेज़ेंटर टेक इसी तरह फेल हुआ था, कॉमा के साथ भी और पॉइंट के साथ भी, कीमतें भी शामिल। दूसरी गड़बड़ी उन लाइनों के कैप्शन में थी जो क्लोन की आवाज़ पढ़ती थी: आवाज़ सेवा हर अक्षर के लिए समय दर्ज करती है, और उन अक्षरों को वापस शब्दों में जोड़ते समय हर कॉमा और पूर्ण विराम हट गया, संख्या के अंदर वाला भी।

हमने क्या बदला

अब जाँच संख्या को फिर से जोड़ती है। जब पूरा टेक्स्ट किसी संख्या के अंदर कॉमा या पॉइंट दिखाए, तो शब्द सूची के अलग-अलग टुकड़े फिर से एक शब्द में जोड़ दिए जाते हैं, समय पहले टुकड़े से आख़िरी टुकड़े तक। जोड़ सिर्फ़ तब होता है जब टुकड़े क्रम में उसी संख्या से मेल खाएँ, ताकि एक के बाद एक बोली गई दो संख्याएँ गलती से न जुड़ जाएँ। आंकड़े के बाद का प्रतिशत चिह्न संख्या का हिस्सा बना रहता है। यही सुधार कैप्शन को भी मिलता है, इसलिए वे संख्या वैसी ही दिखाते हैं जैसी लिखी है। आवाज़ वाले चरण में विराम चिह्न सिर्फ़ शब्द के किनारों से हटाए जाते हैं, उसके अंदर से कभी नहीं। हर असली लाइन जो फेल हुई थी, अब एक टेस्ट बन गई जिसे जाँच को पास करना है, साथ में ऐसी लाइनें भी जिन्हें छेड़ा नहीं जाना चाहिए।

बिज़नेस के पास अब क्या है

फिक्स क्लाइंट के प्लेटफ़ॉर्म पर लाइव है। दशमलव संख्या वाली लाइनों के प्रेज़ेंटर टेक अब जाँच पास करते हैं जब प्रेज़ेंटर ने उन्हें सही बोला हो, इसलिए वे लाइनें स्टॉक फुटेज पर गिरने की जगह प्रेज़ेंटर के साथ रहती हैं। कैप्शन आंकड़ा वैसा ही दिखाते हैं जैसा स्क्रिप्ट लिखती है। पहले बने विज्ञापन वही रहते हैं जिनसे वे बने थे; अब दोबारा बनाई गई लाइन सही आती है।

आप खुद क्या जाँच सकते हैं

• अपने पिछले कुछ AI वीडियो में कीमत, प्रतिशत या दशमलव वाली लाइनें देखें। क्या उन पर प्रेज़ेंटर स्क्रीन पर है, और क्या कैप्शन संख्या बिल्कुल वैसी दिखाता है जैसी लिखी है?
• जो आपके वीडियो बनाता है, उससे पूछें कि ऑटोमैटिक जाँच ने कौन-सी लाइनें बाहर कर दीं, और क्या उनमें से कोई सचमुच ठीक थी।
• एक ठुकराया हुआ टेक उसकी स्क्रिप्ट के साथ सुनें। अगर वह सही लगता है, तो पूछें कि टूल संख्याएँ कैसे पढ़ता है: एक शब्द के रूप में या टुकड़ों में बाँटकर।
• अपने असली संख्या प्रारूपों वाली एक छोटी टेस्ट स्क्रिप्ट लिखें, जिसमें दशमलव कॉमा, दशमलव पॉइंट, एक कीमत और एक प्रतिशत हो। देखें कि प्रेज़ेंटर रहता है या नहीं और कैप्शन में चिह्न बचता है या नहीं।
• क्लोन की आवाज़ से पढ़ी गई लाइन भी जाँचें और प्रेज़ेंटर से पढ़ी गई लाइन भी। दोनों रास्ते अलग-अलग तरह से फेल हो सकते हैं।