Miért korlátoz a legtöbb AI feliratos eszköz 20 percre és mit tettem e miatt

Töltsön fel egy videót a legtöbb automatikus feliratos eszközre, és az első dolog, amely történik, még az upload befejezése előtt egy időtartam-ellenőrzés. Túl rövid? Néhány eszköz elutasít minden egy percnél vagy még négy percnél rövidebbet. Túl hosszú? A kemény korlát tíz, tizenöt vagy húsz percnél lép be az eszköz és az árcsomag függvényében. A feltöltés meg van szakítva, hibaüzenet jelenik meg, és a tartalomkészítő csak a böngészőjét nézi, azon elmélkedve, hogy miért egy videó feldolgozásra tervezett eszköz nem tud videókat kezelni egy tetszőleges időablak mellett.

Ezek a korlátok különösen abszurdnak tűnnek, ha először találkoznak velük. Egy feliratos eszköz, amely nem tud kétperces videót feliratozni, mert "túl rövid", alapvető logikát tagad. Egy transzkripciós szolgáltatás, amely harmincöt perces konferenciafelvételt utasít el, mert meghaladja a maximális időtartamot, nem egy eszköz. Ez egy korlátokkal rendelkező demó. Mégis, ezek a korlátok az iparág sztenderdek, csendesen fogadják el a több millió felhasználó által, akik internalizálták azt az ötletet, hogy tartalmuknak az eszközhöz kell illedni, nem fordítva.

A frustráció fokozódik, amikor a korlátok az árcsomag alapján változnak. Az ingyenes fiók ötperces korlátra korlátozódhat. A fizetett havi csomag tizenötig terjed. A prémium éves csomag húszra megy. Az üzenet világos: a pénzed hosszabb videókat vásárol, nem azért, mert a hosszabb videók arányosan többet költenek a feldolgozásra, hanem mert a mesterséges szűkösség egy megbízható módszer a felhasználók magasabb árú csomagok felé tolni. Az egy harmincperces videó feldolgozásának tényleges technikai költsége egy tizenötperces videóhoz képest nem kettős. Ez még csak nem is közel kettős. De az árstruktúra az ellenkezőjét sugallja.

Az időtartam-korlátok igazi oka

Minden időtartam-korlát mögött egyszerű üzleti számítás áll. A transzkripció és a videó-renderelés szerver-erőforrásokat igényelnek, konkrétan CPU-időt, GPU-időt, memóriát és tárolást. Ezek az erőforrások pénzbe kerülnek, és a költségek nagyjából lineárisan skálázódnak a videó időtartamával. Egy húsz perces videó nagyjából négyszer többet kerül feldolgozni, mint egy öt perces. Egy rögzített havi díjat felszámoló előfizetési szolgáltatásnál minden további feldolgozási perc olyan költség, amely csökkenti az előfizető nyereségességi határát.

Ha egy tíz dollár havi csomagra előfizető három húsz perces videót tölt fel, a feldolgozási költség az előfizetési díj felét vagy többet felhasználhatja. Ha ugyanaz az előfizető tíz negyven perces videót tölt fel, a szolgáltatás veszíthet ezen a számlán. Az időtartam-korlátok a megoldás: korlátozza a maximális időtartamot, korlátozza a havi renderelések számát, és az előfizető költsége előrelátható tartományon belül marad. Az üzleti modell addig működik, amíg a legtöbb felhasználó a határokon belül marad.

Ez teljesen racionális a vállalat szempontjából. A probléma az, hogy közvetlenül átviszi a korlátozást a tartalomkészítőre, és a korlátozás ritkán igazodik ahhoz, hogy a tartalom ténylegesen hogyan készül. Egy podcaster, aki negyvenöt perces epizódokat rögzít, nem használhat egy húsz percre korlátozott eszközt. Egy zenei producer, aki kétperces videóklipet készít, nem használhat négy perces minimumú eszközt. Egy oktatási szakember, aki kilencven perces előadást rögzít, nincs lehetősége a feliratos eszközök szokásos tájában. Ezek nem homályos felhasználási esetek. A tartalomkészítési piac hatalmas szegmenseit képviselik, amelyeket szisztematikusan kizárnak az nyereségességi margók védelmére tervezett időtartam-politikák.

Az alternatíva, és az a megközelítés, amelynek nagyobb értelme van a szolgáltatás és a felhasználó számára, a feldolgozás alapján történő díjszabás. Ha egy harmincperces videó több költséget jelent a transzkribáláshoz és az érleléshez, mint egy öt perces, akkor arányosan többet számlázzon érte. Ne blokkold az feltöltést. Ne jelenítsen meg egy hibát. Csak engedje meg a tartalomkészítőnek, hogy végezze el a munkáját és fizessen annak használatáért. Ez az, ahogy a YEB Captions kezeli az időtartamot: nincs minimum, nincs maximum, és a kreditek a tényleges feldolgozási terhelés alapján kerülnek levonásra egy tetszőleges szintrendszer helyett.

A rövid videók szintén büntetést kapnak

Az időtartam-korlátokról szóló beszélgetés általában a maximumra összpontosít, a húsz perces mennyezetetre, amely blokkolja a hosszabb tartalmakat. De a minimális időtartam-korlátok éppen olyan problematikusak, és egyenlő méretű, de eltérő tartalomkészítőket érintenek.

Zenei videók, zenei klipek, promóciós előzetesek, animált logók sloganokkal. Az óriási mennyiségű professzionális videótartalom három percnél kevesebb ideig tart. Ezek nem triviális vagy befejezetlen tartalomdarabok. Egy kétperces zenei videó órákat vehet igénybe a kompozícióból, mixelésen és vizuális designon keresztül történő gyártásához. Egy harmincmásodperces termékelőzetes napok kreatív és szerkesztési munkáját képviselheti. Az időtartamnak semmi köze az befektetett munkához vagy a végső termék értékéhez.

Mégis, több vezető feliratos eszköz ír elő minimális időtartam-követelményeket. Egyesek nem fognak feldolgozni semmit egy percnél rövidebbet. Mások a padlót két vagy akár négy percre állítják. A megadott ok általában az, hogy a nagyon rövid audioclipek nem nyújtanak elegendő adatot a megbízható transzkripciához, ami öt évvel ezelőtt igaz lehetett, de teljesen elavult a beszédfelismerés technológiájának jelenlegi állapota miatt. A modern transzkripciós motorok öt másodperces klipeket könnyedén kezelnek. A minimális időtartam egy örökölte politika, amelyet senki sem értékelt eltávolítani, vagy egyes esetekben szándékos ösztönzés az alacsony értékű renderelések visszatartására, amelyek szerverirányításokat fogyasztanak arányos bevétel generálása nélkül.

Rövid zenei tartalmakkal dolgozó tartalomkészítők számára ezek a minimumok közvetlen akadály. Az automatikus feliratos generátor kezelnie kell bármilyen feltöltést, legyen az egy kilencven másodperces refrén klip vagy egy órás élő felvétel. Az önkényes padlók felépítése a rendszerben senkinek sem szolgál, kivéve a vállalat költségkontroll osztályát.

Mit fog megváltoztatni az időtartam-korlátok eltávolítása a tartalomkészítőknek

Ha nincs időtartam-korlát, a munkafolyamat olyan módon változik, amely nehéz lenne értékelni, amíg az nem tapasztalt közvetlenül. A podcaster feltölthet egy teljes epizódot és feliratozhat egy passban ahelyett, hogy több szegmensre osztaná, mindegyiket külön feldolgoznák, majd az eredményeket újra összekötnék. A zenei tartalomkészítő feliratozhat egy harmincmásodperces klipet közösségi médiához és egy öt perces teljes verziót a YouTube-ra, ugyanazokkal az eszközzel felhasználva, anélkül, hogy padlóra lépne az egyik és mennyezetre a másikon.

Konferenciafelvételek, webináriumok, élő streamek, audiokönyv fejezetek, előadásfelvételek. Mindezek a formátumok rendszeres üzemben meghaladják a húsz perces korlátot, amelyet a legtöbb eszköz ír elő. Az ezen tartalmakat létrehozók nem marginális közönség. Az csak podcastingban több száz millió havi hallgatóval rendelkezik, és az aktív podcast-előállítók száma több millióba megy. Mindegyiküknek valamikor transzkripció és feliratozás kell, és mindegyik olyan tartalmat készít, amely általában epizódnként harminc és kilencven perc között tart. Az eszközök szándékosan figyelmen kívül hagynak egy óriási felhasználói kategóriát.

A captions.yeb.to címen a negyven perces videó több kreditet kerül, mint egy öt perces, amely pontosan tükrözi a magasabb feldolgozási terhelést. De a negyven perces videó nem van blokkolva, maximálva vagy mesterségesen korlátozva. Ugyanúgy feldolgozódik, mint egy öt perces, csak arányosan több kredit kerül levonásra. Az egyetlen aggodalom a tartalomkészítőnek az, hogy van-e elegendő kreditszonya, nem az, hogy tartalma megfelel-e valaki elfogadható hossz meghatározásának.

Ez a megközelítés szintén kiküszöböli azokat az érdekes megoldásokat, amelyekre az időtartam-korlátok kényszárnnak a embereket. Egy hosszú videó szegmensekre bontása, mindegyik feldolgozása és újra összeszerelése egy munkafolyamat, amely csak azért létezik, mert az eszközök megtagadják a teljes fájl kezelésétől. Időt ad, szinkronizálási kockázatot vezet be a szegment határain, és általában olyan elfoglalt munkát hoz létre, amely semmi közös a videóhoz feliratok hozzáadásának valós kreatív feladatával.

Időtartamönhatározás az előfizetési díjszabáshoz képest és miért ütköznek

Az időtartam-korlátok és az előfizetési díjszabás közötti feszültség szerkezeti. Az előfizetési modell korlátlan vagy nagy volumenű hozzáférést ígér rögzített havi díjért. De a feldolgozási költségek az időtartammal és mennyiséggel skálázódnak, ami azt jelenti, hogy a "korlátlan" ígéret csak máshol korlátok kivetésével tartható, például videóhosszúság korlátozásokkal, havi renderelési korlátokkal, csökkent minőséggel az ingyenes szinteken és várólistán késésekkel a csúcsidőszakban.

A kreditalapú díjszabás teljesen feloldja ezt a feszültséget. Nincsenek konfliktusok a korlátlan időtartam kínálata és a használat szerinti díjszabás között, mivel a szolgáltatás költsége közvetlenül helyreáll a felhasznált kreditből. Egy kétperces zenei videó nagyon keveset kerül feldolgozni, és a tartalomkészítőnél nagyon kevés kreditet kerül. Egy kilencven perces előadás lényegesen több feldolgozást kerül, és a kreditköltség ezt tükrözi. Egyik sem van blokkolva. Egyik sem igényel egy különleges szintet. Az ár arányos, amely az egyetlen modell, amely valóban befogad minden tartalom hosszúságot tetszőleges korlátok nélkül.

Az olyan versenytársak, mint a Captions.ai, a VEED és a Descript, az összes kombinációt írja elő időtartam-korlátok és renderelési korlátok kombinációjáról, az előfizetési csomagokhoz kötve. A magasabb szintre lépés nagyobb kapacitást vásárol, de az alapvető korlátozás marad: a tartalomnak az eszköz által meghatározott határokba kell illeszkednie, nem a tartalomkészítő tényleges szükségletei szerint. Amíg ez a korlátozás fennáll, mindig lesz eltérés aközött, amit az eszköz ígér és amit valójában nyújt azoknak, akinek tartalma nem fér az elvárások közé.

A döntés, hogy eltávolítsa az összes időtartam-korlátot a YEB Captionsből, nem volt technikai megvalósítás. A feldolgozási csatorna bármilyen időtartamot könnyedén kezel. Ez egy árdöntés volt. Az ténylegesen felhasznált díjszabásával ahelyett, hogy egy korlátozott rendszerre való hozzáférést értékesítene, a mesterséges szűkösség, amely az időtartam-korlátokhoz vezet, egyszerűen nincs oka a létezésnek. A kétperces zenei videó és a kilencven perces podcastepizód egyaránt üdvözölt, korlátozás nélkül feldolgozva és a kezeléshez ténylegesen szükséges díjszabás alapján. Nem kellene furcsának lennie, de tekintettel a feliratos eszközök jelenlegi piaci állapotára, igen.