Защо повечето инструменти за AI надписи ви ограничават до 20 минути и какво направих в тази връзка

Качете видео на повечето инструменти за автоматични надписи и първото, което се случва, преди дори качването да завърши, е проверка на продължителността. Твърде кратко? Някои инструменти отхвърлят всичко под една минута или дори четири минути. Твърде дълго? Твърдият лимит достига своя предел при десет, петнадесет или двадесет минути в зависимост от инструмента и плана на цената. Качването се отменя, появява се съобщение за грешка и творецът остава да гледа своя браузър, като се пита защо инструмент, предназначен за обработка на видеа, не може да работи с видеа извън произволна времева окончина.

Тези ограничения изглеждат особено абсурдни при първата среща с тях. Инструмент за надписи, който не може да създаде надписи на двуминутно видео, защото е „твърде кратко", противоречи на основната логика. Услуга за транскрипция, която отказва тридесет и петминутна конферентна запис, защото надвишава максималната дължина, не е инструмент. Това е демо с ограничения. И все пак тези ограничения са стандартни в цялата индустрия, мълчаливо приети от милионите потребители, които са интернализирали идеята, че техният контент трябва да се впише в инструмента, а не обратното.

Разочарованието се усилва, когато ограничениата варират в зависимост от тарифния план. Безплатен акаунт може да бъде ограничен до пет минути. Платеният месечен план се простира до петнадесет. Премиумният годишен план отива до двадесет. Съобщението е ясно: вашите пари купуват по-дълги видеа, не защото по-дългите видеа струват пропорционално повече за обработка, а защото изкуственото дефицит е надежден начин да тласнете потребителите към по-скъпи планове. Действителната технически разход за обработка на тридесет-минутно видео срещу петнадесет-минутно не е двойно. Това е дори не близо до двойно. Но структурата на цените предполага обратното.

Истинската причина за ограничениата на продължителността

Зад всяко ограничение на продължителността стои просто бизнес изчисление. Транскрипцията и видеорендерирането изискват ресурси на сървъра, конкретно CPU време, GPU време, памет и съхранение. Тези ресурси струват пари, а разходите се мащабират приблизително линейно с продължителност на видеото. Двадесет-минутно видео струва приблизително четири пъти повече за обработка от пет-минутно. За услуга на абонамент с фиксирана месечна такса, всяка дополнителна минута обработка е разход, който намалява печалбата маржа на този абонат.

Ако абонат с десетдоларов месечен план качи три двадесет-минутни видеа, разходът за обработка може да изяде половината или повече от тази такса на абонамента. Ако същият абонат качи десет четиридесет-минутни видеа, услугата може да загуби пари на този акаунт. Ограничениата на продължителността са решението: ограничете максималната дължина, ограничете броя на рендериранията в месец и разходът на абонат остава в предсказуем диапазон. Бизнес моделът работи, докато повечето потребители остават в границите.

Това е напълно рационално от перспективата на компанията. Проблемът е, че пренася ограничението директно към творца, и ограничението рядко е в съответствие с начина, по който контентът е действително произведен. Подкастър, който записва четиридесет и пет-минутни епизоди, не може да използва инструмент ограничен до двадесет минути. Музикален продуцент, който създава двуминутен клип видео, не може да използва инструмент с четири-минутен минимум. Преподавател, записващ деветдесет-минутна лекция, нямаме опция в стандартния пейзаж на инструментите за надписи. Това не са неясни случаи на употреба. Те представляват огромни сегменти на пазара на създаване на съдържание, които са систематично изключени чрез политики на продължителност, предназначени да защитят печалбата марже.

Алтернативата и подходът, който има повече смисъл както за услугата, така и за потребителя, е да таксуват на базата на това, което е действително обработено. Ако тридесет-минутно видео струва повече за транскрипция и рендериране от пет-минутно, таксувайте пропорционално повече за него. Не блокирайте качването. Не показвайте грешка. Просто позволете на творца да работи и да плаща за това, което използва. Ето как YEB Captions работи с продължителност: няма минимум, няма максимум, и кредитите са приспадани на базата на действителния товар на обработка, а не произволна система на нивата.

Кратките видеа също са наказани

Разговорът за ограничениата на продължителността обикновено се фокусира на максимума, двадесет-минутния таван, който блокира по-дълго съдържание. Но минималните ограничения на продължителността са еднакво проблематични и влияят на друга, но еднакво голяма група творци.

Видеа с текст към песен, музикални клипове, промоционни видеоклипове, анимирани логота със слоганите. Огромен брой професионално видео съдържание продължава под три минути. Това не са тривиални или незавършени части на съдържание. Двуминутна видео с текст към песен може да отнеме часове за производство от композиция чрез миксиране чрез визуален дизайн. Тридесет-секундно видеоклипче на продукт може да представлява дни на творческа и редактирана работа. Продължителността няма нищо с инвестирания труд или стойност на крайния продукт.

И все пак множество главни инструменти за надписи налагат минимални изисквания за продължителност. Някои няма да обработят нищо под една минута. Други поставят пода на два или дори четири минути. Посочената причина е обикновено, че много кратки аудио клипове не производят достатъчно данни за надежда транскрипция, което може да е вярно преди пет години, но е напълно остаряло, учитывайки сегашното състояние на технологията на разпознаване на речта. Съвременните двигатели за транскрипция работят с пет-секундни клипове без затруднение. Минималната продължителност е наследена политика, която никой не се притеснава да премахне, или в някои случаи, умишлена тласъч, за да обезкуражи рендериране на ниска стойност, което изхвърля ресурси на сървъра без генериране на пропорционален приход.

За творци, работещи с кратко музиално съдържание, тези минимали са преки препятствия. Генератора на автоматични надписи трябва да работи с всичко, което е качено, независимо дали това е деветдесет-секундна припев запис или час живо записване. Строежът на произволни подове в системата не служи на никого, освен отдела за контрол на разходите на компанията.

Какво променя премахването на ограничениата на продължителността за творци

Когато няма ограничение на продължителност, работният процес се променя по начини, които е трудно да се оценят, докато не се опитаме лично. Подкастър може да качи целия епизод и да го озаглави в един проход, вместо да го раздели на множество сегменти, да обработи всеки отделно и след това да повторно съшие резултатите. Музикален творец може да озаглави тридесет-секундния клипче за социални медии и пет-минутна полна версия за YouTube, използвайки същия инструмент, без да удари пода на един и таван на друг.

Конферентни записи, уебинари, живи потоци, глави на аудиокниги, записи на лекции. Всички тези формати редовно надвишават двадесет-минутния капак, който повечето инструменти налагат. Хората, които създават този съдържание, не са маргинална аудитория. Самото подкастване има сотни милиона месечни слушатели, а броят на активните продуценти на подкастове нараства до милиони. Всеки един от тях трябва транскрипция и озаглавяне в някакъв момент, и всеки един от тях произвежда съдържание, което обикновено работи тридесет до деветдесет минути за епизод. Инструментите игнорираме огромна категория потребители по избор.

На captions.yeb.to, четиридесет-минутно видео струва повече кредити от пет-минутно, което точно отразява по-високия товар на обработка. Но четиридесет-минутното видео не е блокирано, ограничено или искусствено ограничено. Обработва се по същия начин като пет-минутно, само с пропорционално повече приспаднати кредити. Единствената загриженост на творца е дали той има достатъчен баланс на кредити, не дали неговото съдържание се вписва в определението на някого за приемлива дължина.

Този подход също елиминира странните работни около, които ограничениата на продължителността принуждават хората да правят. Разделянето на дълго видео на сегменти, обработката на всеки един и преимпроцес на резултатите е работен процес, който съществува само защото инструментите отказват да справляют с пълния файл. Добавя време, въвежда синхронизационни рискове на границите на сегмента и обикновено създава заета работа, която няма нищо общо със самата творческа задача на добавяне на надписи към видео.

Продължителност на ценообразуване спрямо ценообразуване на абонамент и защо се конфликтиват

Напрежението между ограничениата на продължителност и ценообразуването на абонамент е структурно. Модел на абонамент обещава неограничен или високотомен достъп за фиксирана месечна такса. Но разходите на обработка мащабират с продължителност и обем, което означава, че обещанието на „неограничена" може да се запази само чрез налагане на ограничения другаде, като ограничения на дължина на видео, ограничения на месечни рендериране, намалена качество на безплатни нивата и изчакване на редове по време на пиковите часове.

Ценообразуването на базата на кредити решава напълно това напрежение. Няма конфликт между предлагане на неограничена продължителност и таксуване на употреба, защото разходът за услугата е директно възстановен от изхвърлените кредити. Двуминутна видео с текст към песен струва много малко за обработка и създава много малко на творца в кредити. Деветдесет-минутна лекция струва значително повече за обработка и цената в кредити отразява това. Нито един не е блокиран. Нито един не изисква специално ниво. Ценообразуването е пропорционално, което е единствения модел, който истински приспособява всички дължини на съдържание без произволни ограничения.

Конкуренти като Captions.ai, VEED и Descript всички налагат някаква комбинация от капаци на продължителност и ограничения на рендериране, свързани към техните планове на абонамент. Прехвърляне към по-висок уровък купува повече капацитет, но базовото ограничение остава: съдържанието трябва да се впише в границите, определени от инструмента, не от действителните потребности на творца. Докато това ограничение съществува, винаги ще има разлика между това, което инструментът обещава и това, което действително доставя за всеки, чието съдържание не се вписва в очаквания плес.

Решението да се премахнат всички ограничения на продължителност от YEB Captions не е техническо постижение. Тръбопровод на обработка работи всяка дължина без затруднение. Это е решение на цената. Чрез таксуване на това, което е действително използвано, а не продажба на достъп до ограничена система, изкуственото дефицит, което води до ограничения на продължителност, просто няма причина да съществува. Двуминутното видео с текст към песен и деветдесет-минутното подкастване епизод са и двете приветствани, обработени без ограничения и таксувани според това, което действително струват за справляне. Това не би трябвало да се чувства необичайно, но дадено състоянието на текущия пазар на инструментите за надписи, го направи.