元鋳科技

セマンティック・マルチモーダル検索

形式にとらわれず、あらゆるコンテンツを見つけやすく。

自然な言葉での説明から、本当に必要な情報を見つける。

多くの重要な情報は、画像、スキャン文書、録音、動画、非構造化文書として存在しています。従来の検索はファイル名、キーワード、手作業のタグに頼っており、画像の内容、音声の意味、異なるメディア間の関係を直接理解することは困難でした。ある動画の一場面、特定の対象が写った画像、録音の中の重要な発言を探すには、繰り返しの絞り込みと目視確認が必要でした。

元鋳は Yuan MetaCore-K3 で意味理解と推論の基盤を提供し、YottaMind-3.2 のナレッジ検索と長文処理の能力と組み合わせて、自然言語を入り口とする情報発見のフローを構築します。

画像、音声、動画などのメディアについては、コンテンツ解析、文字起こし、視覚特徴の抽出、インデックスのコンポーネントと連携して、素材を検索可能な情報に変換します。ユーザーが探したいものを自然な言葉で伝えると、検索システムはテキストの意味、視覚特徴、文字起こし、時間情報を組み合わせて関連する素材を照合し、確認できる元の位置を返します。

ユーザーはファイル名を正確に覚えている必要も、すべての素材を一つずつ確認する必要もありません。統一された自然言語の検索窓口から、文書の内容や関連する画像を見つけやすくなり、音声・動画のインデックスがあれば該当する場面にすぐ移動でき、メディアをまたぐ検索の手間が減ります。

ひとつのシナリオを最初から最後まで

  • マルチモーダルコンテンツの取り込み許可されたテキスト、画像、音声、動画の素材を取り込み、統一されたコンテンツ管理の入り口をつくります。
  • コンテンツの解析解析コンポーネントで文書のテキストを抽出し、画像の内容を認識し、音声を文字起こしして、動画の場面の時間位置を記録します。
  • 理解と検索Yuan MetaCore-K3 が検索の意図の理解を助け、YottaMind-3.2 のナレッジ検索とマルチモーダルなインデックスで関連コンテンツを照合します。
  • 位置の特定と確認一致した素材、重要な場面、元の位置を返し、ユーザーが内容を開いて確認できるようにします。