Professional Cloud Architect（Google Cloud） 無料問題 5 / 10 ・ 分野2: クラウド ソリューション インフラストラクチャの管理とプロビジョニング
Altostrat Media の事例では、ビジネス要件に「NLP とコンピュータ ビジョンを使用して、メディア アセットからリッチ メタデータを抽出する。」と「不適切なコンテンツを検出してフィルタする。」がある。Cloud Storage に置いた番組の動画から、映像の区切りごとの内容の情報を取り出し、不適切な映像も見つけたい。中心に据える API はどれか。
- Natural Language API の内容分類を動画ファイルに直接かけ、区切りごとの内容と不適切な箇所を得る
- Speech-to-Text で音声を文字にし、Natural Language API で区切りごとに分類して不適切さを判定する
- Vision API のラベル検出と SafeSearch を動画ファイルに直接かけ、区切りごとの内容と露骨さを得る
- Video Intelligence API で、ショットやフレームの区切りごとの注釈と、露骨な内容の検出を得る
正解と解説を見る
正解: D
正解の理由
Video Intelligence API は、ローカルや Cloud Storage に置いた動画、ライブ配信の動画に、動画全体・セグメント・ショット・フレームの単位で文脈の情報を注釈として付ける API である。ドキュメントのガイドには、露骨なコンテンツの検出、音声トラックの文字起こし、テキストの認識、物体の追跡、人物の検出が並んでいる。動画からのメタデータ抽出と不適切な内容の検出を1つの API で扱える。
違う選択肢
「Vision API のラベル検出と SafeSearch を動画ファイルに直接かけ、区切りごとの内容と露骨さを得る」… Vision API の機能一覧（テキスト検出・ラベル検出・SafeSearch など）は画像に対するもので、たとえばテキスト検出は画像の OCR と説明されている。動画のショットやフレームの単位の注釈は Video Intelligence API の役割である。
「Speech-to-Text で音声を文字にし、Natural Language API で区切りごとに分類して不適切さを判定する」… Speech-to-Text は音声認識の API で、音声データから文字起こしの結果を得る。Natural Language API はテキストを分析する。映像に映る不適切な内容は音声の文字からは分からず、動画の露骨なコンテンツの検出は Video Intelligence API のガイドにある。
「Natural Language API の内容分類を動画ファイルに直接かけ、区切りごとの内容と不適切な箇所を得る」… Natural Language API は、感情分析・エンティティ分析・内容分類・構文解析など、テキストに対する自然言語理解を提供する。動画を直接の入力にするものではない。
区別のしかた
入力の形で分けると見分けやすい。画像なら Vision API、動画なら Video Intelligence API、音声なら Speech-to-Text、テキストなら Natural Language API。Speech-to-Text には同期（1 分以内）・非同期（480 分まで）・ストリーミングの3つの認識方法がある（事例 PDF: Altostrat Media のビジネス要件）。
Professional Cloud Architect（Google Cloud）の演習アプリ（無料10問・全問は解錠で）へ