Gelaito4：由协作计算机视觉和生成人工智能提供支持的体育媒体平台
介绍
- Gelaito4是一款应用原型，旨在通过提供实时选手信息、自动视频分类和个性化视频推荐来增强体育赛事的观看体验。
演示
动机
- 在观看体育赛事视频时，观众往往希望快速了解球员的姓名或相关数据，但只能依靠模糊的球衣号码或球员特征在网上进行搜索。这不仅需要暂停视频，错过精彩瞬间，而且还要花费大量时间查找信息。
- 用户在观看大量的体育赛事视频时，往往需要花费大量时间手动对视频内容进行分类和标签，繁琐且耗时。如果平台对视频进行分类，需要大量的人力，费时费力，成本高，而且视频分类的效率较低。
- 观众在观看体育赛事视频时希望快速掌握比赛精彩片段，但制作比赛精彩片段需要人力观看整场比赛、选择片段并进行剪辑，耗时耗力。
- 当用户在观看视频时表达对特定主题的兴趣时，推荐其他类似视频很有可能符合用户的喜好，从而增强观看体验。
特征
- 实时球员信息展示：观看者点击视频中的球员，即可在弹出的对话框中查看其姓名、战术角色以及历史数据，无需自行搜索。
- 快速掌握游戏亮点：利用AI技术，用户可以快速掌握游戏亮点，减少搜索视频的时间，简化繁琐的搜索过程。 AI可以总结比赛内容，标记热点和亮点，为公司节省聘请兼职学生的成本。
- 自动分类：利用AI技术，系统自动对视频进行分类和标签，方便用户快速找到相关视频，提升观看体验。
- 视频推荐：通过分析用户的观看行为，AI根据当前观看的视频推荐其他类似视频，让用户更容易发现感兴趣的内容，提升观看体验。
解决方案与创新
- 球员信息实时同步：利用AI视觉模型识别场上球员球衣号码，结合网络爬虫技术和GenAI对信息进行处理和聚合，生成球员的实时和历史数据。
- 视频分类：使用OpenAI的文本嵌入模型将视频信息转换为向量表示，并使用Kmeans算法对相似视频进行分类。 GenAI分析每个类别集并分配合适的类别名称，实现视频库的自动化分类。
- 生成视频摘要：使用GenAI模型捕获视频音频信息，将其转换为文本文件，并使用GenAI汇总信息，生成视频大纲和摘要片段。
- 生成视频精彩片段：对生成的视频摘要文本进行嵌入搜索，与关键片段的常用关键词（如“进球啦！”、“得分~”）进行比较，识别出精彩片段的时间点。展开前后时间点，利用NLTK模型对展开后的多个视频片段进行修剪合并，保证片段有完整的上下文。
可交付成果
- 主页设计：用户可以在主页上选择自己感兴趣的视频。点击视频会跳转到另一个页面，主要有三个功能：
- 视频播放和实时球员信息：用户可以在比赛过程中点击感兴趣的球员，立即弹出显示球员姓名和信息的对话框。
- 精彩片段：视频播放下方显示比赛精彩片段，用户可以点击感兴趣的标题观看精彩片段。
- 推荐视频：系统根据用户的观看内容，推荐感兴趣的相关视频。
- 菜单栏和视频分类：首页有菜单栏，供用户按类别浏览视频，类别由人工智能自动生成。
如何设置
先决条件
- 颤振：https://docs.flutter.dev/get-started/install
设置项目
git clone https://github.com/deeeelin/Gelaito4.git
- 在项目文件夹中，运行
flutter run -d chrome --web-renderer html
