From 9b3f88c98c39675666cddb1f70e68ee30c5d190f Mon Sep 17 00:00:00 2001 From: Momentry Studio Date: Thu, 15 Oct 2026 13:10:38 +0800 Subject: [PATCH] =?UTF-8?q?docs:=20=E6=9B=B4=E6=AD=A3=E8=99=95=E7=90=86?= =?UTF-8?q?=E5=99=A8=E8=AA=AA=E6=98=8E=20-=20ASRX=20=E5=92=8C=20Face=20Tra?= =?UTF-8?q?cing?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 更新內容: 1. ASRX 處理器 (說話人向量化) - 修正名稱: VSRX → ASRX - 功能說明: 使用 VOD 將說話人語音特徵轉換為向量 - 建立說話人身分 2. Face Tracing 移至階段 1 - 從階段 4 (資料整合) 移至階段 1 (處理器) - 更新階段 4 進度說明 - 更新範例場景 處理器完整列表: - ASR: 語音識別 - ASRX: 說話人向量化 (VOD) - FACE: 人臉檢測 - Face Tracing: 人臉追蹤 - OCR: 文字識別 - CUT: 鏡頭切換 階段 4 更新: - 移除 Face Tracing (已移至階段 1) - 保留: Rule1/Rule2 入庫、Face Dedup - 進度含義更新 --- docs/PIPELINE_STAGES_EXPLANATION.md | 16 ++++------------ docs/PIPELINE_STAGES_QUICK_REF.md | 5 +++-- 2 files changed, 7 insertions(+), 14 deletions(-) diff --git a/docs/PIPELINE_STAGES_EXPLANATION.md b/docs/PIPELINE_STAGES_EXPLANATION.md index d68cdcf..c66a1ea 100644 --- a/docs/PIPELINE_STAGES_EXPLANATION.md +++ b/docs/PIPELINE_STAGES_EXPLANATION.md @@ -61,8 +61,9 @@ Momentry Studio 的視訊處理流程分為四個主要階段，每個階段負 **包含的處理器**: - **ASR (語音識別)**: 將視訊中的語音轉換為文字 -- **VSRX (說話人辨認)**: 識別視訊中的說話人，建立說話人身分 +- **ASRX (說話人向量化)**: 使用 VOD 將說話人語音特徵轉換為向量，建立說話人身分 - **FACE (人臉檢測)**: 檢測視訊中的人臉位置和特徵 +- **Face Tracing (人臉追蹤)**: 追蹤人臉在視訊中的軌跡，建立人臉出現序列 - **OCR (文字識別)**: 識別視訊畫面中的文字內容 - **CUT (鏡頭切換)**: 識別視訊的場景切換點 @@ -260,11 +261,6 @@ Momentry Studio 的視訊處理流程分為四個主要階段，每個階段負 - 人臉相似度搜尋 - 人臉身分識別 -##### 3. Face Tracing (人臉追蹤) -- 追蹤人臉在視訊中的軌跡 -- 建立人臉出現序列 -- 關聯同一人的多次出現 - ##### 4. Face Dedup (人臉去重) - 去除重複的人臉檢測結果 - 合併同一人的多次檢測 @@ -276,8 +272,8 @@ Momentry Studio 的視訊處理流程分為四個主要階段，每個階段負 - **0%**: 未開始資料整合 - **25%**: PostgreSQL 入庫完成 -- **50%**: 部分向量已入庫 -- **75%** 人臉追蹤完成 +- **50%**: 文字向量已入庫 +- **75%**: 人臉向量、說話人向量入庫中 - **100%**: 所有資料整合完成 --- @@ -315,10 +311,6 @@ Momentry Studio 的視訊處理流程分為四個主要階段，每個階段負 - 人臉相似度搜尋 - 說話人識別 -- **人臉追蹤**: 跨場景追蹤 - - 追蹤人物在視訊中的出現 - - 建立人物出現時間線 - - **人臉去重**: 資料清理 - 避免重複人臉資料 - 提高識別準確度 diff --git a/docs/PIPELINE_STAGES_QUICK_REF.md b/docs/PIPELINE_STAGES_QUICK_REF.md index a840af8..3f609ba 100644 --- a/docs/PIPELINE_STAGES_QUICK_REF.md +++ b/docs/PIPELINE_STAGES_QUICK_REF.md @@ -21,8 +21,9 @@ **包含**: - ASR: 語音識別 -- VSRX: 說話人辨認 +- ASRX: 說話人向量化 (VOD) - FACE: 人臉檢測 +- Face Tracing: 人臉追蹤 - OCR: 文字識別 - CUT: 鏡頭切換 @@ -140,7 +141,7 @@ - 語意搜尋 - 相似文字匹配 -### 說話人語音向量入庫 (VOD 實現) +### 說話人語音向量入庫 (由 ASRX 處理器生成) - 說話人嵌入向量 - 說話人識別 - 跨視訊說話人追蹤