Wichtig: Die Inhaltslokalisierung in AWS wurde durch erweiterte Funktionen ersetzt, die von Guidance for Media2Cloud in AWS bereitgestellt werden.
Am 29. August 2025 werden wir unsere Dokumentation so aktualisieren, dass sie auf Guidance for Media2Cloud in AWS verweist und das alte GitHub-Repository archivieren. Um zu dieser neuen Anleitung zu migrieren, müssen Sie lediglich die Implementierungsressourcen befolgen, optional einen vorhandenen S3-Bucket mit Ihren Medieninhalten verwenden und ihn in Ihrem AWS-Konto bereitstellen. Wenn Sie diese Lösung unverändert weiter verwenden möchten, klonen Sie bitte das Repository Content Localization in AWS GitHub vor dem 29. August 2025. Bitte beachten Sie, dass AWS in Zukunft nur noch Guidance for Media2Cloud in AWS bereitstellen wird. Daher liegt die weitere Nutzung und Wartung der Inhaltslokalisierung auf AWS nach dem 29. August 2025 in Ihrer Verantwortung. Wenn Sie Fragen oder Bedenken haben, wenden Sie sich bitte an den AWS Support.
Übersicht
Durch die Inhaltslokalisierung auf AWS können Sie die Reichweite Ihrer Video-on-Demand-Inhalte erweitern, indem mehrsprachige Untertitel erstellt werden, die auf künstlicher Intelligenz (KI) basieren. Die Erstellung genauer, mehrsprachiger Untertitel für Videos ist sowohl komplex als auch arbeitsintensiv. Viele Personalstunden verbringen viele Personalstunden damit, Medieninhalte zu transkribieren, zu untertiteln, zu übersetzen und zu überprüfen. Mit dieser AWS-Lösung können Sie diese manuellen Prozesse automatisieren und trotzdem das Ergebnis kontrollieren. Es enthält eine einfache Benutzeroberfläche, über die Sie mithilfe nativer AWS-KI-Services wertvolle Metadaten aus Videodateien hochladen, analysieren und extrahieren können.
Vorteile
Laden Sie Videos hoch und analysieren Sie sie, und arbeiten Sie mit automatisch generierten Videountertiteln über eine einfache webbasierte Benutzeroberfläche.
Sie können Untertitel überprüfen und innerhalb der Anwendung Korrekturen vornehmen. Wenn Sie mit den Untertiteln zufrieden sind, wiederholen Sie den Arbeitsablauf mit der korrigierten Eingabe, um die nachgelagerten Ergebnisse neu zu generieren.
Generieren Sie benutzerdefinierte Vokabeln und Terminologien anhand der Korrekturen, die Sie an den Untertiteln vornehmen. Geben Sie diese Anpassungen an, wenn Sie ein Video hochladen und den automatischen Workflow konfigurieren.
Technische Details
Sie können diese Architektur mit dem Implementierungsleitfaden und der dazugehörigen Vorlage für AWS CloudFormation automatisch bereitstellen.
Schritt 1
Die AWS-CloudFormation-Vorlage stellt eine Instance von Media Insights in AWS bereit.
Schritt 2
Eine Amazon-CloudFront-Verteilung zur Bereitstellung der Webanwendung der Lösung.
Schritt 3
Ein Amazon-Simple-Storage-Service-Web-Source-Bucket (Amazon S3) für das Hosting der statischen Webanwendung.
Schritt 4
Einen Amazon-Cognito-Benutzerpool zur Bereitstellung eines Benutzerverzeichnisses.
Schritt 5
Cognito-Identitätspool für den Verbund mit AWS Identity and Access Management (IAM) zur Authentifizierung und Autorisierung für die Webanwendung.
Schritt 6
Amazon-API-Gateway-Endpunkte für die Workflow-API Media Insights in AWS, die Datenebenen-API von Media Insights in AWS und der Amazon-OpenSearch-Service- API-Endpunkt.
Schritt 7
Ein AWS-Step-Functions-Workflow, der von Media Insights in AWS erstellt wurde. Der Workflow der Inhaltslokalisierung besteht aus AWS-Lambda-Funktionen, die Aufträge in Amazon Transcribe, Amazon Translate, AWS Elemental MediaConvert und Amazon Polly ausführen.
Diese Lambda-Funktionen interagieren auch mit der Datenebenen-API von Media Insights in AWS, um Medienobjekte und Metadaten, die von Medienanalyseaufträgen zurückgegeben werden, zu speichern und abzurufen. Der Workflow kann optional auch Amazon Rekognition und Amazon Comprehend ausführen, um zusätzliche Analysen der Eingaben zu ermöglichen.
Schritt 8
Eine Lambda-Funktion zum Extrahieren, Transformieren und Laden von Medienmetadaten aus der AWS-Daten-Pipeline in einen OpenSearch-Service-Cluster. Diese Lambda-Funktion wird vom Amazon-DynamoDB-Stream der Datenebene von Media Insights in AWS aufgerufen, wenn Asset-Metadaten in der Datenebene von Media Insights in AWS geändert werden.
Schritt 9
Ein OpenSearch-Service-Cluster zum Indexieren von Medien-Metadaten.
Schritt 1
Die AWS-CloudFormation-Vorlage stellt eine Instance der Lösung von Media-Insights in AWS bereit.
Schritt 2
Eine Amazon-CloudFront-Verteilung zur Bereitstellung der Webanwendung der Lösung.
Schritt 3
Ein Amazon-Simple-Storage-Service-Web-Source-Bucket (Amazon S3) für das Hosting der statischen Webanwendung.
Schritt 4
Einen Amazon-Cognito-Benutzerpool zur Bereitstellung eines Benutzerverzeichnisses.
Schritt 5
Cognito-Identitätspool für den Verbund mit AWS Identity and Access Management (IAM) zur Authentifizierung und Autorisierung für die Webanwendung.
Schritt 6
Amazon-API-Gateway-Endpunkte für die Workflow-API Media Insights in AWS, die Datenebenen-API von Media Insights in AWS und der Amazon-OpenSearch-Service- API-Endpunkt.
Schritt 7
Ein AWS-Step-Functions-Workflow, der von Media Insights in AWS erstellt wurde. Der Workflow der Inhaltslokalisierung besteht aus AWS-Lambda-Funktionen, die Aufträge in Amazon Transcribe, Amazon Translate, AWS Elemental MediaConvert und Amazon Polly ausführen.
Diese Lambda-Funktionen interagieren auch mit der Datenebenen-API von Media Insights in AWS, um Medienobjekte und Metadaten, die von Medienanalyseaufträgen zurückgegeben werden, zu speichern und abzurufen. Der Workflow kann optional auch Amazon Rekognition und Amazon Comprehend ausführen, um zusätzliche Analysen der Eingaben zu ermöglichen.
Schritt 8
Eine Lambda-Funktion zum Extrahieren, Transformieren und Laden von Medienmetadaten aus der AWS-Daten-Pipeline in einen OpenSearch-Service-Cluster. Diese Lambda-Funktion wird vom Amazon-DynamoDB-Stream der Datenebene von Media Insights in AWS aufgerufen, wenn Asset-Metadaten in der Datenebene von Media Insights in AWS geändert werden.
Schritt 9
Ein OpenSearch-Service-Cluster zum Indexieren von Medien-Metadaten.
- Publish Date
Ähnliche Inhalte
Media Insights Engine in AWS ist ein Framework, das Entwicklern die Erstellung von Serverless-Anwendungen, die Video, Images, Audio und Text mit KI und Multimedia-Services in AWS verarbeiten, erleichtert. Bei dieser Lösung handelt es sich um ein Entwicklungsframework für die Anwendung von Machine-Learning-Services auf Medien-Workflows.