Γιατί τα περισσότερα εργαλεία AI υπότιτλων σας περιορίζουν σε 20 λεπτά και τι έκανα γι' αυτό

Μεταφορτώστε ένα βίντεο στα περισσότερα εργαλεία αυτόματων υπότιτλων και το πρώτο πράγμα που συμβαίνει, πριν ακόμη ολοκληρωθεί η μεταφόρτωση, είναι ένας έλεγχος διάρκειας. Πολύ σύντομο; Ορισμένα εργαλεία απορρίπτουν οτιδήποτε λιγότερο από ένα λεπτό ή ακόμη και τέσσερα λεπτά. Πολύ μεγάλο; Το σκληρό όριο ενεργοποιείται στα δέκα, δεκαπέντε ή είκοσι λεπτά ανάλογα με το εργαλείο και το σχέδιο τιμολόγησης. Η μεταφόρτωση ακυρώνεται, εμφανίζεται ένα μήνυμα σφάλματος και ο δημιουργός αφήνεται να κοιτάζει τον περιηγητή του, αναρωτώμενος γιατί ένα εργαλείο σχεδιασμένο για τη γνωστική επεξεργασία βίντεο δεν μπορεί να χειριστεί βίντεο έξω από ένα αυθαίρετο χρονικό παράθυρο.

Αυτά τα όρια φαίνονται ιδιαίτερα παράλογα όταν αντιμετωπίζονται για πρώτη φορά. Ένα εργαλείο υπότιτλων που δεν μπορεί να βάλει υπότιτλους σε ένα δίλεπτο βίντεο επειδή είναι "πολύ σύντομο" αψηφά τη βασική λογική. Μια υπηρεσία μεταγραφής που αρνείται ένα τριάντα πέντε λεπτό ηχογράφηση διάσκεψης επειδή υπερβαίνει το μέγιστο μήκος δεν είναι εργαλείο. Είναι μια επίδειξη με περιορισμούς. Και ωστόσο, αυτοί οι περιορισμοί είναι η πρότυπη σε ολόκληρη την βιομηχανία, σιωπηλά αποδεκτός από εκατομμύρια χρήστες που έχουν εσωτερικεύσει την ιδέα ότι το περιεχόμενό τους χρειάζεται να ταιριάζει στο εργαλείο, όχι αντίστροφα.

Η απογοήτευση είναι σύνθετη όταν τα όρια ποικίλλουν ανά σχέδιο τιμολόγησης. Ένας δωρεάν λογαριασμός μπορεί να περιοριστεί σε πέντε λεπτά. Ένα ωράριο επί πληρωμή σχέδιο επεκτείνεται σε δεκαπέντε. Το σχέδιο premium ετησίως πηγαίνει σε είκοσι. Το μήνυμα είναι σαφές: τα χρήματά σας αγοράζουν μεγαλύτερα βίντεο, όχι επειδή τα μεγαλύτερα βίντεο κοστίζουν αναλογικά περισσότερο για επεξεργασία, αλλά επειδή η τεχνητή σπανιότητα είναι ένας αξιόπιστος τρόπος να σπρώξετε τους χρήστες προς υψηλότερα σχέδια τιμών. Το πραγματικό τεχνικό κόστος επεξεργασίας ενός τριάντα λεπτών βίντεο έναντι ενός δεκαπέντε λεπτών βίντεο δεν είναι διπλάσιο. Δεν είναι καν κοντά στο διπλάσιο. Αλλά η δομή τιμών υπονοεί το αντίθετο.

Ο Πραγματικός Λόγος για τα Όρια Διάρκειας

Πίσω από κάθε όριο διάρκειας βρίσκεται ένας απλός επιχειρηματικός υπολογισμός. Η μεταγραφή και η απόδοση βίντεο απαιτούν πόρους διακομιστή, συγκεκριμένα χρόνο CPU, χρόνο GPU, μνήμη και αποθήκευση. Αυτοί οι πόροι κοστίζουν χρήματα και το κόστος κλιμακώνεται περίπου γραμμικά με τη διάρκεια του βίντεο. Ένα εικοσιλεπτο βίντεο κοστίζει περίπου τέσσερις φορές όσο η επεξεργασία ενός πενταλέπτου. Για μια υπηρεσία συνδρομής που χρεώνει ένα σταθερό μηνιαίο τέλος, κάθε πρόσθετο λεπτό επεξεργασίας είναι μια δαπάνη που μειώνει το περιθώριο κέρδους αυτού του συνδρομητή.

Εάν ένας συνδρομητής σε ένα δέκα δολαρίων μηνιαίο σχέδιο ανεβάζει τρία εικοσιλέπτα βίντεο, το κόστος επεξεργασίας μπορεί να φάει το ήμισυ ή περισσότερο αυτής της συνδρομής. Εάν ο ίδιος συνδρομητής ανεβάζει δέκα σαράντα λεπτά βίντεο, η υπηρεσία θα μπορούσε να χάσει χρήματα σε αυτό το λογαριασμό. Τα όρια διάρκειας είναι η λύση: περιορίστε το μέγιστο μήκος, περιορίστε τον αριθμό των αποδόσεων ανά μήνα και το κόστος ανά συνδρομητή παραμένει εντός ενός προβλέψιμου εύρους. Το επιχειρηματικό μοντέλο λειτουργεί όπως τα περισσότερα χρήστες παραμένουν εντός των ορίων.

Αυτό είναι τελείως ορθολογικό από την άποψη της εταιρείας. Το πρόβλημα είναι ότι μεταφέρει το περιορισμό απευθείας στον δημιουργό και ο περιορισμός σπάνια ευθυγραμμίζεται με τον τρόπο που δημιουργείται πραγματικά το περιεχόμενο. Ένας podcaster που ηχογραφεί σαράντα πέντε λεπτών επεισόδια δεν μπορεί να χρησιμοποιήσει ένα εργαλείο περιορισμένο σε είκοσι λεπτά. Ένας μουσικός παραγωγός που δημιουργεί ένα δίλεπτο βίντεο κλιπ δεν μπορεί να χρησιμοποιήσει ένα εργαλείο με τέσσερις λεπτό ελάχιστο. Ένας εκπαιδευτικός που ηχογραφεί ένα ενενήντα λεπτών διάλεξη δεν έχει καμία επιλογή καθόλου εντός του στάνταρ τοπίου εργαλείων υπότιτλων. Αυτά δεν είναι αμφίβολες περιπτώσεις χρήσης. Αντιπροσωπεύουν τεράστια τμήματα της αγοράς δημιουργίας περιεχομένου που αποκλείονται συστηματικά από πολιτικές διάρκειας που σχεδιάστηκαν για την προστασία των περιθωρίων κέρδους.

Η εναλλακτική και η προσέγγιση που έχει μεγαλύτερη έννοια για τη υπηρεσία και τον χρήστη είναι να χρεώνει με βάση τι πραγματικά επεξεργάζεται. Εάν ένα τριάντα λεπτών βίντεο κοστίζει περισσότερο να μεταγραφεί και να αποδοθεί από ένα πενταλεπτό, χρεώστε αναλογικά περισσότερα για αυτό. Μην αποκλείσετε τη μεταφόρτωση. Μην εμφανίζετε ένα σφάλμα. Απλώς αφήστε τον δημιουργό να κάνει τη δουλειά του και να πληρώνει για αυτό που χρησιμοποιεί. Αυτό είναι πώς YEB Captions χειρίζεται τη διάρκεια: χωρίς ελάχιστο, χωρίς μέγιστο, και τα κρεδιτ αφαιρούνται με βάση το πραγματικό φορτίο επεξεργασίας αντί ενός αυθαίρετου συστήματος επιπέδου.

Τα Σύντομα Βίντεο Έχουν Και Τιμωρία

Η συζήτηση για τα όρια διάρκειας συνήθως εστιάζεται στο μέγιστο, τη στέγη είκοσι λεπτών που αποκλείει το μεγαλύτερο περιεχόμενο. Αλλά τα ελάχιστα όρια διάρκειας είναι εξίσου προβληματικά και επηρεάζουν μια εξίσου μεγάλη αλλά διαφορετική ομάδα δημιουργών.

Μουσικά βίντεο, μουσικά κλιπ, προμοσιόν teaser, κινούμενα λογότυπα με σλόγκαν. Ένα τεράστιο ποσό επαγγελματικού περιεχομένου βίντεο διαρκείας λιγότερο από τρία λεπτά. Αυτά δεν είναι ασήμαντα ή ημιτελή κομμάτια περιεχομένου. Ένα δίλεπτο μουσικό βίντεο μπορεί να χρειαστεί ώρες για να παράγει από σύνθεση μέσω μίξης κατά το σχεδιασμό. Ένα τριάντα δευτερόλεπτο teaser προϊόντος μπορεί να αντιπροσωπεύει ημέρες δημιουργικής και αποσπάσμένης εργασίας. Η διάρκεια δεν έχει καμία σχέση με τις προσπάθειες που επενδύθηκαν ή την αξία του τελικού προϊόντος.

Και ωστόσο, πολλά κύρια εργαλεία υπότιτλων επιβάλλουν ελάχιστα κριτήρια διάρκειας. Μερικά δεν θα επεξεργαστούν τίποτα κάτω από ένα λεπτό. Άλλοι θέτουν το πάτωμα σε δύο ή ακόμη και τέσσερα λεπτά. Ο αναφερόμενος λόγος είναι συνήθως ότι τα πολύ σύντομα audio κλιπ δεν παράγουν αρκετά δεδομένα για αξιόπιστη μεταγραφή, η οποία ίσως ήταν αληθής πριν από πέντε χρόνια, αλλά είναι εντελώς χρονολογημένη δεδομένης της τρέχουσας κατάστασης της τεχνολογίας αναγνώρισης ομιλίας. Οι σύγχρονοι κινητήρες μεταγραφής χειρίζονται τα πέντε δευτερόλεπτα κλιπ χωρίς δυσκολία. Η ελάχιστη διάρκεια είναι μια κληρονομημένη πολιτική που κανείς δεν ενοχλήθηκε να αφαιρέσει, ή σε μερικές περιπτώσεις, ένας σκόπιμος ώθηση για να αποδοκιμάσει τους αποδόσεις χαμηλής αξίας που καταναλώνουν πόρους διακομιστή χωρίς να δημιουργούν αναλογικά έσοδα.

Για τους δημιουργούς που εργάζονται με μουσικό περιεχόμενο σύντομης διάρκειας, αυτά τα ελάχιστα είναι ένα άμεσο εμπόδιο. Η γεννήτρια αυτόματων υπότιτλων πρέπει να χειριστεί ό,τι ανεβαίνει, είτε είναι ένα ενενήντα δευτερόλεπτα κλιπ στίχου είτε μια ωριαία ζωντανή εγγραφή. Η κατασκευή αυθαίρετων δαπέδων στο σύστημα δεν χρειάζεται από κανέναν εκτός από το τμήμα ελέγχου κόστους της εταιρείας.

Τι Αφαίρεση Οριών Διάρκειας Αλλάζει για τους Δημιουργούς

Όταν δεν υπάρχει όριο διάρκειας, η ροή εργασίας αλλάζει με τρόπους που είναι δύσκολο να εκτιμηθούν μέχρι να αντιμετωπιστούν απευθείας. Ένας podcaster μπορεί να μεταφορτώσει ένα πλήρες επεισόδιο και να το αποδώσει σε ένα πέρασμα αντί να το χωρίσει σε πολλαπλά τμήματα, να επεξεργαστεί το καθένα ξεχωριστά και στη συνέχεια να ξαναράψει τα αποτελέσματα μαζί. Ένας μουσικός δημιουργός μπορεί να βάλει υπότιτλους σε ένα τριάντα δευτερόλεπτα κλιπ για κοινωνικά μέσα και μια πενταλέπτη πλήρης έκδοση για YouTube χρησιμοποιώντας το ίδιο εργαλείο, χωρίς να χτυπήσει ένα δάπεδο σε ένα και ένα ταβάνι στο άλλο.

Ηχογραφήσεις διάσκεψης, webinar, ζωντανές ροές, κεφάλαια audiobook, εγγραφές διαλέξεων. Όλες αυτές οι μορφές τακτικά υπερβαίνουν το όριο είκοσι λεπτών που επιβάλλει η πλειοψηφία των εργαλείων. Οι άνθρωποι που δημιουργούν αυτό το περιεχόμενο δεν είναι ένα περιθώριο κοινό. Το podcasting μόνο έχει εκατοντάδες εκατομμύρια μηνιαίους ακροατές και ο αριθμός των ενεργών παραγωγών podcast φτάνει εκατομμύρια. Κάθε ένας από αυτούς χρειάζεται μεταγραφή και αποτίμηση σε κάποιο σημείο και κάθε ένας παράγει περιεχόμενο που τυπικά διαρκεί τριάντα έως ενενήντα λεπτά ανά επεισόδιο. Τα εργαλεία αγνοούν κατά επιλογή μια τεράστια κατηγορία χρηστών.

Σε captions.yeb.to, ένα σαράντα λεπτών βίντεο κοστίζει περισσότερα κρεδιτ από ένα πενταλεπτο, το οποίο ακριβώς αντανακλά το υψηλότερο φορτίο επεξεργασίας. Αλλά το σαράντα λεπτών βίντεο δεν αποκλείεται, δεν περιορίζεται ή δεν περιορίζεται τεχνητά. Επεξεργάζεται με τον ίδιο τρόπο που ένα πενταλεπτάδιας κάνει, απλώς με αναλογικά περισσότερα κρεδιτ αφαιρέθηκαν. Ο μόνος κίνδυνος του δημιουργού είναι αν έχουν αρκετό υπόλοιπο κρεδίτου, όχι αν το περιεχόμενό του ταιριάζει στη δική του ορισμένης αποδεκτής διάρκειας.

Αυτή η προσέγγιση επίσης εξαλείφει τα περίεργα workarounds που τα όρια διάρκειας αναγκάζουν τους ανθρώπους να κάνουν. Διαίρεση ενός μεγάλου βίντεο σε τμήματα, επεξεργασία του καθενός και τοποθέτηση πάλι είναι μια ροή εργασίας που υπάρχει μόνο επειδή τα εργαλεία αρνούνται να χειριστούν το πλήρες αρχείο. Προσθέτει χρόνο, εισάγει κινδύνους συγχρονισμού στα όρια των τμημάτων και γενικά δημιουργεί ασχολία που δεν έχει τίποτα να κάνει με το πραγματικό δημιουργικό καθήκον της προσθήκης υπότιτλων σε ένα βίντεο.

Τιμολόγηση Διάρκειας έναντι Τιμολόγησης Συνδρομής και γιατί Συγκρούονται

Η τάση μεταξύ ορίων διάρκειας και τιμολόγησης συνδρομής είναι δομική. Ένα μοντέλο συνδρομής υπόσχεται απεριόριστη ή υψηλής έντασης πρόσβαση για σταθερό μηνιαίο τέλος. Αλλά τα κόστη επεξεργασίας κλιμακώνονται με διάρκεια και όγκο, πράγμα που σημαίνει ότι η υπόσχεση "απεριόριστου" μπορεί να διατηρηθεί μόνο με την επιβολή ορίων αλλού, όπως περιορισμοί μήκους βίντεο, περιορισμοί μηνιαίας απόδοσης, μειωμένη ποιότητα σε ελεύθερα επίπεδα και καθυστερήσεις ουράς κατά τις ώρες αιχμής.

Η τιμολόγηση βάσης πίστωσης επιλύει αυτή την τάση πλήρως. Δεν υπάρχει σύγκρουση μεταξύ της προσφοράς απεριόριστης διάρκειας και της χρέωσης ανά χρήση, επειδή το κόστος στην υπηρεσία ανακτάται άμεσα από τα ξοδεμένα κρεδιτ. Ένα δίλεπτο μουσικό βίντεο κοστίζει πολύ λίγο για επεξεργασία και κοστίζει στον δημιουργό πολύ λίγο σε κρεδιτ. Μια ενενήντα λεπτών διάλεξη κοστίζει σημαντικά περισσότερο για επεξεργασία και το κόστος του κρεδίτου το αντανακλά. Ούτε το ένα δεν αποκλείεται. Ούτε ένα απαιτεί ειδικό επίπεδο. Η τιμολόγηση είναι ανάλογη, που είναι το μόνο μοντέλο που πραγματικά τηρεί όλα τα μήκη περιεχομένου χωρίς αυθαίρετους περιορισμούς.

Ανταγωνιστές όπως Captions.ai, VEED και Descript όλες επιβάλλουν κάποιο συνδυασμό περιορισμών διάρκειας και περιορισμών απόδοσης, δεμένων στα σχέδια συνδρομής τους. Η μετάβαση σε υψηλότερο επίπεδο αγοράζει περισσότερη χωρητικότητα, αλλά ο βασικός περιορισμός παραμένει: το περιεχόμενο πρέπει να χωρέσει εντός των ορίων που καθορίζονται από το εργαλείο, όχι από τις πραγματικές ανάγκες του δημιουργού. Όπως αυτός ο περιορισμός υπάρχει, θα υπάρχει πάντα ένα κενό μεταξύ αυτού που υπόσχεται το εργαλείο και ό,τι πραγματικά παρέχει για σε όποιον το περιεχόμενό του δεν ταιριάζει στο αναμενόμενο καλούπι.

Η απόφαση να αφαιρεθούν όλα τα όρια διάρκειας από τα YEB Captions δεν ήταν τεχνική επίτευξη. Ο αγωγός επεξεργασίας χειρίζεται οποιαδήποτε διάρκεια χωρίς δυσκολία. Ήταν μια απόφαση τιμολόγησης. Με ένα κόστος σε ό,τι πραγματικά χρησιμοποιείται αντί να πουλάει πρόσβαση σε ένα περιορισμένο σύστημα, η τεχνητή σπανιότητα που οδηγεί τα όρια διάρκειας απλώς δεν έχει λόγο να υπάρχει. Το δίλεπτο μουσικό βίντεο και το ενενήντα λεπτών podcast επεισόδιο είναι και τα δύο καλοδεχμένα, επεξεργάστηκαν χωρίς περιορισμούς και τιμολογημένα σύμφωνα με το τι πραγματικά κοστίζουν την προσέγγιση. Αυτό δεν θα έπρεπε να φαίνεται ασυνήθιστο, αλλά δεδομένης της κατάστασης της τρέχουσας αγοράς των εργαλείων υπότιτλων, το κάνει.