本ドキュメントでは、ワークフローの構成とノードの設定手順について説明します。
AI ワークフロー = 複数のノードをレゴブロックのように組み合わせ、エンドツーエンドの処理パイプラインを自動的に実行します。
AI ワークフロー
AI ワークフローには、プリセットワークフローとカスタムワークフローがあります。
プリセットワークフロー
現在、以下のプリセットワークフローが利用可能です (ビジネスニーズの進化に伴い、今後も追加される予定です)。
顔抽出 + 動画要約 (OTT)
フレーム抽出 & 分析 (カスタム)
音声抽出 + ASR + テキストコンテンツ抽出 + フレーム抽出 & 分析 (カスタム)
1. 顔抽出 + 動画要約 (OTT)
ワークフロー：
ユースケース：
動画から顔情報を迅速に抽出し、簡潔な要約を生成します。エンターテインメントコンテンツにおける芸能人のハイライト動画や、ニュースキャスターのまとめ動画の作成に最適です。メリット：
「顔検出 + コンテンツ要約」をワンクリックで実行でき、手動でのフィルタリング作業を大幅に削減します。
2. フレーム抽出 & 分析 (カスタム)
ワークフロー：
ユースケース：
広告フレームの検出、視覚的なコンプライアンスチェック、キーフレームの抽出など、動画のフレームごとの分析に使用します。メリット：
フレームレベルのコンテンツ検査に特化しており、高精度な視覚分析の要件を満たします。
3. 音声抽出 + ASR + テキストコンテンツ抽出 + フレーム抽出 & 分析 (カスタム)
ワークフロー：
ユースケース：
音声の文字起こし、テキスト抽出、フレーム分析を組み合わせたエンドツーエンドの処理です。ライブストリーミングの再生コンテンツのコンプライアンスレビューや、長尺動画の多次元分析に最適です。メリット：
音声 → テキスト → 映像のパイプライン全体をカバーし、複数のツールを切り替える必要がなくなります。
カスタムワークフロー
カスタムワークフローでは、ビジネスニーズに応じて、利用可能な 5 種類の AI 処理ノードを自由に組み合わせることができます。
顔認識
音声抽出 + ASR
テキストコンテンツ抽出
動画要約 (OTT)
フレーム抽出 & 分析 (カスタム)
各ノードの詳細な機能については、「ノード機能の説明」をご参照ください。
音声抽出 + ASR、テキストコンテンツ抽出、およびフレーム抽出 & 分析 (カスタム) を組み合わせて使用することを強く推奨します。
音声抽出 + ASR は、テキストコンテンツ抽出に必要な入力を提供します。これらを個別に使用すると、処理が失敗します。
推奨ワークフローの組み合わせ (代表的なシナリオ)
シナリオ 1：全工程を順次実行する詳細分析
ワークフロー：
ユースケース：
各ステージの出力が次のステージの入力となる、標準化されたステップバイステップの動画コンテンツの詳細な構造化に利用します。メリット：
直線的で透明性の高いパイプラインで、デバッグが容易です。1 つのタスクで、映像、音声、セマンティクスの各次元にわたる包括的な解析が可能です。
シナリオ 2：音声・映像のシーケンシャル処理
ワークフロー：
ユースケース：
人物特定を伴わないセマンティクス中心の分析 (例：会議の議事録や Vlog のコンテンツ分析) で、キーフレームと文字起こしされた音声を保持する場合に利用します。メリット：
コンピューティングコストを削減し、処理を高速化します。「映像のアーカイブ + 発話内容のセマンティクス」に最適化されています。
シナリオ 3：音声と映像の並列処理
ワークフロー：
ユースケース：
最も一般的なメディア取り込みシナリオです。動画に誰が登場し、何が話されたかを特定しますが、2 つのストリーム間に依存関係はありません。メリット：
高効率な並列実行が可能です。一方のブランチ (例：顔認識) で障害が発生しても、もう一方のブランチ (例：テキスト抽出) の結果取得を妨げません。
シナリオ 4：人物特定とフレーム分析の並列処理
ワークフロー：
ユースケース：
ID 情報を迅速に取得すると同時に、フレームサンプリングと音声分析を実行する場合に利用します。メリット：
「人物特定」と「コンテンツ分析」を分離し、時間的制約の厳しい操作に最適です。
シナリオ 5：フレーム駆動のマルチモーダル分析
ワークフロー：
ユースケース：
視覚コンテンツのマイニングを重視する場合に利用します。例えば、広告フレームからテキストを抽出したり、PPT スライドを認識したりしながら、オプションで音声の文字起こしも含めることができます。メリット：
視覚データの活用を最大化します。チュートリアルや広告など、「視覚情報優先」のコンテンツに最適です。
シナリオ 6：複雑なクロスモーダル依存関係の処理
ワークフロー：
ユースケース：
「人物 A が登場し、かつキーワード X を発言する」クリップを取得するなど、複合条件を必要とする高度なマルチモーダル融合シナリオで利用します。メリット：
最も豊富なクロスモーダル相関を捉え、高度なセマンティッククエリおよびコンテキストクエリを可能にします。