Dokumen ini memperkenalkan Pencampuran aliran dan prosedur konfigurasi node.
AI Workflow = Susun berbagai node seperti balok LEGO untuk mengeksekusi pipeline pemrosesan end-to-end secara otomatis.
AI Workflows
AI workflows mencakup preset workflows dan custom workflows.
Preset Workflows
Preset workflows berikut saat ini tersedia (akan ditambahkan lebih banyak seiring perkembangan kebutuhan bisnis):
Face Extraction + Video Summary (OTT)
Frame Extraction & Analysis (Custom)
Speech Extraction + ASR + Text Content Extraction + Frame Extraction & Analysis (Custom)
1. Face Extraction + Video Summary (OTT)
Workflow:
Use Case:
Ekstrak informasi wajah dari video dengan cepat dan hasilkan Ringkasan yang ringkas—ideal untuk highlight selebriti dalam konten hiburan atau kompilasi pembawa berita.Advantage:
Eksekusi satu klik untuk “deteksi wajah + Ringkasan konten,” secara signifikan mengurangi upaya penyaringan manual.
2. Frame Extraction & Analysis (Custom)
Workflow:
Use Case:
Analisis video per frame, seperti deteksi frame iklan, pemeriksaan kepatuhan visual, atau ekstraksi keyframe.Advantage:
Berfokus pada inspeksi konten tingkat frame, memenuhi kebutuhan analisis visual berpresisi tinggi.
3. Speech Extraction + ASR + Text Content Extraction + Frame Extraction & Analysis (Custom)
Workflow:
Use Case:
Pemrosesan end-to-end yang menggabungkan transkripsi audio, ekstraksi teks, dan analisis frame—sempurna untuk tinjauan kepatuhan replay siaran langsung atau analisis multidimensi video berdurasi panjang.Advantage:
Mencakup seluruh pipeline dari audio → teks → visual, menghilangkan kebutuhan beralih antar beberapa tools.
Custom Workflows
Custom workflows memungkinkan pengguna menggabungkan secara bebas kelima node pemrosesan AI yang tersedia sesuai kebutuhan bisnis:
Face Recognition
Speech Extraction + ASR
Text Content Extraction
Video Summary (OTT)
Frame Extraction & Analysis (Custom)
Untuk kemampuan detail setiap node, lihat:Node Capabilities Description
Sangat disarankan untuk menggunakan Speech Extraction + ASR, Text Content Extraction, dan Frame Extraction & Analysis (Custom) secara bersamaan.
Speech Extraction + ASR menyediakan input yang diperlukan untuk Text Content Extraction. Menggunakannya secara terpisah akan mengakibatkan kegagalan pemrosesan.
Kombinasi Workflow yang Direkomendasikan (Skenario Khas)
Skenario 1: Analisis Mendalam Berantai Penuh
Workflow:
Use Case:
Strukturisasi mendalam konten video secara standar dan bertahap, di mana output dari setiap tahap menjadi input tahap berikutnya.Advantage:
Pipeline linier dan transparan—mudah di-debug; memungkinkan Penguraian komprehensif lintas dimensi visual, audio, dan semantik dalam satu task.
Skenario 2: Pemrosesan Audio-Visual Berurutan
Workflow:
Use Case:
Analisis berfokus semantik tanpa identifikasi orang—misalnya, transkrip rapat atau analisis konten Vlog—sementara tetap menyimpan keyframe dan ucapan yang ditranskripsikan.Advantage:
Pemrosesan lebih cepat dengan biaya komputasi lebih rendah; dioptimalkan untuk “pengarsipan visual + semantik lisan.”
Skenario 3: Pemrosesan Audio dan Video Paralel
Workflow:
Use Case:
Skenario ingestion media paling umum: identifikasi siapa yang muncul dalam video dan apa yang dikatakan, tanpa ketergantungan antara kedua aliran tersebut.Advantage:
Eksekusi paralel berdaya guna tinggi—kegagalan pada satu cabang (misalnya, face recognition) tidak menghentikan hasil dari cabang lain (misalnya, ekstraksi teks).
Skenario 4: Identifikasi Orang dan Analisis Frame Paralel
Workflow:
Use Case:
Tangkap informasi identitas dengan cepat sekaligus lakukan Pengambilan sampel frame dan analisis ucapan secara simultan.Advantage:
Memisahkan “identifikasi orang” dari “analisis konten,” ideal untuk operasi yang sensitif terhadap waktu.
Skenario 5: Analisis Multimodal Berbasis Frame
Workflow:
Use Case:
Menekankan penambangan konten visual—misalnya, ekstraksi teks dari frame iklan atau pengenalan slide PPT—sementara opsional menyertakan transkripsi ucapan.Advantage:
Memaksimalkan pemanfaatan data visual; paling cocok untuk konten “visual-first” seperti tutorial atau iklan.
Skenario 6: Pemrosesan Dependensi Lintas-Modal Kompleks
Workflow:
Use Case:
Skenario fusi multimodal lanjutan yang memerlukan kondisi gabungan—misalnya, “ambil klip di mana Orang A muncul DAN mengucapkan Kata Kunci X.”Advantage:
Menangkap korelasi lintas-modal paling kaya, memungkinkan kueri semantik dan kontekstual yang canggih.