UIFU.com

如果每个人都用手机随手摄影并上传到Blog，则网络上的资料将会有很大部分是Google、Yahoo!等搜索引擎找不到的非文字内容（图片来源：Sony Ericsson）

影片也能拿来搜索

许多人习惯有问题时，先去拜一下Google大神。Google强大的文字搜索能力，可以在茫茫网海中找到关键字，进而指出有用的网页。但是对于存在于网络的影片， Google就很难使上力，除了档名与其他的文字介绍外，Google根本没什么用，就算回报了一个网址，档名看起来相当符合，但长达十数分钟的内容，你又怎么知道想看的片段在哪一分钟呢？先不提网络够不够快的问题，要把每部片子都看完已经是很辛苦的事了。

怎么让搜索引擎也可以找影片，就像我们用Google找文字资讯一样精确，这是个很有趣，或者说，这是个非常有“钱”途的问题。想像一下，未来每个人的手机都可以摄影，还可以立即上传到部落格，每天新增的分享影片可能有几百万部，比文字资讯还多，谁能精确搜索这些内容，就是下一个Google。

利用声音搜索影片内容

针对这问题，大家的解决方法都不同，但目前最成功的，应该是利用语音辨识技术。例如美国波士顿的EveryZing公司，他们的技术在读取影片后，将影片中的声音转换为文字，然后记录在资料库中。所以你只要打入关键字，电脑便在资料库中搜索文字资讯，而非搜索影片的图像，找到后再将影片连结交还给你检视。这方法的好处很明显，只要字串对了，搜索影片内容无往不利。国内很多考生会在家中用补习班提供的录影带温习功课，如果辅以这个技术，考生遇到不懂的地方，只要在电脑内输入关键字，便可以看到所有录影带中的相关讲解，如果想不起讲课内容，只要回想起老师曾讲过某个笑话，输入笑话内的关键字，也可以找到前后的影片片段，实在是非常方便。

语音辨识技术仍难达成百分之百准确

但这技术的优点也是缺点，既然是搜索影片中语音所转换的文字，如果辨识错误该怎么办？事实上，语音辨识只是个发展了几十年的技术，也一直还有改善空间；而且大部分的语音辨识技术，都是针对某一种语言所开发的，如果要针对全世界的使用者，上百种语言与数万种口音的隔阂，让语音搜索简直成为不可能的事情。

影片内容搜索与广告行销

电脑对于精确的事情很在行，1+1=2不会出错，但是模煳的事情就要依靠人类。一杯水加一壶水等于什么？各位读者的答桉再怎么急转弯，也比电脑的“Syntex Error格式错误”好得太多了。语言本身就是一个很模煳的东西，连发音也很模煳，人跟人讲话都有可能听错了，所以不能期待电脑完全正确抄写影片中的对白。

EveryZing公司的语音转文字技术，受惠于美国政府的一亿美金投入，虽然还有点瑕疵，但读者不妨尝试以语音搜索影片或声音档，看看是否真的可以准确找到相关影片片段（图片来源：http://search.everyzing.com/）

EveryZing公司说，这技术不止用在搜索上，还能抄录整部电影的对白；也就是说，你可能知道周星驰在电影中将蟑螂取名为“小强”，但是哪一部电影呢？使用这技术，只要在他的电影中蒐集“小强”两个字，不但可以知道是哪一部电影，连在几分几秒说的都能知道。如果搭配够强大的翻译软体，可以先把各国的影片各自抽出该国语言对白，再翻译成中文或其他文字，就可以把搜索范围扩大到网络上各种语言的影片。

除了EveryZing，Blinkx公司也使用语音技术搜索影片内容，不过方法稍有差异。曾使用Google的人都知道，Google会从你找的网页内容，决定提供什么样广告给你参考；而这种针对特定使用者的广告方式，也着实让Google赚翻了。Google在影片搜索方面也是一样，藉由影片的档名与关键字置入广告，问题是YouTube的许多影片根本没什么可用的关键字，所以广告往往没有命中目标。Blinkx则会分析影片内容，据他们的说法，不只是语音而已，还包括影片视讯，然后根据这些内容决定要插入什么广告，使得广告效率应该会比Google的文字搜索好多了。

其他可能的搜索方式

可能有人会问说，为什么不用影像识别技术进行影片搜索呢？其实这是个很棒的方法，想像一下，你想找台北101的影片，所以在网络上挑选一张台北101的照片，电脑便能扫瞄所有的影片，找出裡面有相似台北101的影片片段，并回报超连结给你浏览。更甚者，你只要输入“101”，电脑便猜出你想找哪些影片。

Blinkx也可以搜索影片与录音档的内容，甚至可以搜索美国的电视连续剧（图片来源：http://www.blinkx.com）

图片与影片辨识的实作困难度极高

那为什么不这样做？因为目前办不到啊！在电脑科学中，想在一张图片中找到一条直线，就要用到一些演算法，从各个角度，各个方向去寻找可能是线条的东西，而且需要的计算时间还蛮长的，别人的文字搜索程式已经扫瞄完成整个文字档，图片比对程式却刚准备好资料而已，况且一段影片是由许许多多的图片所构成，这又将影片比对程式的难度乘上很多倍。

说到这个，我们不得不惊叹自然界的奇妙，每一个人都是一个了不起的工程成就。当你看到一张图时，不用人家教，马上就能辨识这张图内有没有台北101的影像，不必学习什么类神经演算法、模煳理论，Hough Transform等数学多到想烧课本的技术，反正就是可以在一闪而过的影片中，找到有兴趣的资讯。

前途无限技术有待突破

大致来说，资料搜索的速度是以文字最简单，然后是语音，图片又更难。由于影片是由图片构成的，在影片中寻找物体，困难度将是好几倍，而在连续影片中识别出某个动作，更是乾脆坦承“办不到”比较快。如果电脑可以知道影片中出现什么资讯代表“偷东西”的动作，那光是卖给全世界的商店就赚到翻了。

目前为止，电脑影像识别的最高成就应是美国国防部所赞助的Grand Challenge比赛。由电脑驾驶汽车，而每部车上必须装满一堆仪器跟相机，才有机会辨识前方是不是可通行的马路，但如果要辨识其他环境还不行，更何况是网络上千奇百怪的影像档。

微软前总裁Bill Gates曾劝学生多研习电脑科学，因为有太多的技术等待开发，而其中许多离实现梦想的日子还非常遥远，需要很多优秀的人才持续投入。就如我们这边所说的，在众多影片中搜索有用的片段，目前只是个还不成熟的技术，不论是Blinkx或EveryZing，或者其他正在各顶尖机构研究的相关技术，其实都离真正的解决方法还有很大差距。建议读者们不妨试用一下前述这些影片搜索网站，也许会对于下一代的网络搜索引擎有更多想法。(digital home 第106期4月号)