use case: Identifikation von Sprecher:innen

Wie kann ich eigene Sprecher:innen in meinem Bestand identifizieren?

Die Herausforderung

Erweiterung der Sprecherdatenbank

Die Erkennung von Gesichtern ist aktuell bereits weit verbreitet, allerdings gibt es auch viele Formate, bei denen nicht immer ein Gesicht erkannt werden kann oder es reine Audioproduktionen sind. Hierbei ist es unerlässlich, auch Sprecher anhand ihrer Audiomerkmale zuverlässig identifizieren zu können.

Wie kann mir DeepVA dabei helfen, einzelne Sprecher*innen als Datensatz zu hinterlegen, um damit mein Bildmaterial zu strukturieren?

Die Lösung

Deep Model Customizer

Mit Deep VAs Deep Customizer können Sie die Sprechererkennung mit Ihren eigenen Persönlichkeiten individualisieren. Laden Sie einfach eine oder mehrere Audiodateien der entsprechenden Persönlichkeiten hoch und betiteln Sie den Namen des Sprechers: Die Erweiterung und Individualisierung Ihrer Sprecherdatenbank könnte kaum einfacher sein

Da Trainingsdaten eines der wichtigsten Elemente beim Einsatz von KI sind, bieten wir Ihnen Datensatzfunktionen, um Ihre Trainingsdaten transparent, intuitiv und effizient zu verwalten und dabei den Datenschutz zu beachten. Das System kann On-Premise oder in der Cloud genutzt werden. Wenn es Teil eines Arbeitsablaufs sein soll, ist eine Integration erforderlich. Wenn es Bestandteil eines Workflows sein soll, muss eine Integration über die RESTful API geschaffen werden oder eine vorhandene Integration genutzt werden.

Welche Resultate können erzielt werden?

Ohne großen Aufwand eine Sprecherdatenbank aufbauen, mit einem sehr intuitiven System