วิดีโอพร้อมคำบรรยายภาพอาจไม่ใช่เรื่องใหม่สำหรับยูทูบ แต่การที่กูเกิลให้บริการ"โปรแกรมใส่คำบรรยายภาพวิดีโอแบบอัตโนมัติ"นั้นเป็นเรื่องใหม่แน่นอน ความเคลื่อนไหวนี้จะทำให้ผู้พิการทางหูสามารถเข้าใจวิดีโอบนยูทูบได้มากขึ้น ปรับโอกาสในการรับข้อมูลข่าวสารให้เทียบเท่ากับชาวเน็ตทุกคนที่ต้องการค้นหาและชมวิดีโอออนไลน์
ยูทูบนั้นให้บริการใส่คำบรรยายใต้วิดีโอแบบที่สมาชิกยูทูบต้องลงมือพิมพ์ด้วยตัวเองครั้งแรกเมื่อ 3 ปีที่แล้ว โดยขณะนี้ วิดีโอที่มีคำบรรยายนั้นมีจำนวนหลายพันชิ้นแล้วบนยูทูบ
สำหรับบริการใส่คำบรรยายใต้วิดีโอแบบอัตโนมัติใหม่ล่าสุดที่กูเกิลจะให้บริการในยูทูบนั้น เป็นการนำอัลกอริธึมหรือลำดับความคิดในการจำแนกวิเคราะห์เสียงซึ่งกูเกิลใช้ในบริการกูเกิลวอยซ์ (Google Voice) มาสร้างคำบรรยายใต้วิดีโอแบบอัตโนมัติ ทั้งหมดนี้เรียกรวมว่าเทคโนโลยี auto-cap
จุดนี้ เคน แฮร์เรนสไตน์ (Ken Harrenstien) วิศวกรซอฟต์แวร์ผู้สร้างเทคโนโลยีคำบรรยายอัตโนมัตินี้ยอมรับว่า คำบรรยายที่ได้อาจจะไม่สมบูรณ์แบบในขณะนี้ แต่ยืนยันว่าจะเดินหน้าพัฒนาความถูกต้องแม่นยำอย่างต่อเนื่องในอนาคต
แฮร์เรนสไตน์นั้นเป็นวิศวกรผู้พิการทางหูที่มุ่งมั่นทำประโยชน์ให้แก่เพื่อนร่วมชะตากรรมได้อย่างน่าชื่นชม โดยแฮร์เรนสไตน์เขียนในบล็อกของกูเกิลว่า วิดีโอออนไลน์ที่ชาวอินเทอร์เน็ตสร้างขึ้นนั้นเป็นสิ่งที่ผู้พิการทางหูส่วนใหญ่ไม่สามารถเข้าถึงได้ โดยในช่วงแรก คำบรรยายอัตโนมัตินั้นจะสามารถวิเคราะห์ภาษาอังกฤษได้เพียงภาษาเดียว โดยนอกจากยูทูบ ผู้พิการทางหูสามารถชมวิดีโอออนไลน์พร้อมคำบรรยายอัตโนมัติได้ผ่านช่องทางพันธมิตรยูทูบอีก 13 ช่องทาง
คำบรรยายที่ได้นั้นจะแสดงได้หลากหลายถึง 51 ภาษา รวมถึงภาษาไทย ซึ่งจากการทดสอบขณะนี้ พบว่ามีเพียงวิดีโอออนไลน์ที่เกี่ยวข้องกับด้านการศึกษาเท่านั้นที่มีคำแปล และเป็นคำแปลภาษาไทยที่มีลักษณะเดียวกับโปรแกรมแปลภาษา Google Translate ซึ่งผู้อ่านต้องนำมาเรียบเรียงเองอีกครั้งหนึ่ง
นอกจากประโยชน์ต่อผู้พิการทางหู แฮร์เรนสไตน์ระบุว่าคำบรรยายภาพวิดีโอยังมีประโยชน์ในแง่ของการสืบค้นวิดีโอด้วย เนื่องจากผู้ใช้สามารถเลือกชมวิดีโอเฉพาะช่วงที่มีเนื้อความเกี่ยวข้องกับคีย์เวิร์ดที่ต้องการได้
อย่างไรก็ตาม เพื่อการไม่หวังพึ่งพาระบบบรรยายวิดีโออัตโนมัติมากเกินไป แฮร์เรนสไตน์ยังโชว์เทคโนโลยีเพื่ออำนวยความสะดวกให้ผู้อัปโหลดวิดีโอใจบุญที่ต้องการใส่คำบรรยายภาพวิดีโอด้วยมือ นั่นคือเทคโนโลยี automatic caption timing หรือเรียกสั้นๆว่า auto-timing
"ด้วย auto-timing คุณไม่จำเป็นต้องมีความเชี่ยวชาญในการใส่คำบรรยายบนยูทูบ ที่คุณต้องทำคือการสร้างไฟล์ข้อความธรรมดาซึ่งประกอบด้วยข้อความที่ปรากฏในวิดีโอทั้งหมด จากนั้นเราจะใช้เทคโนโลยี ASR ของกูเกิลเป็นตัวจัดวางตามช่วงเวลาที่ข้อความนั้นถูกเอ่ยออกมา คำบรรยายวิดีโอก็จะสามารถถูกสร้างได้ง่ายดาย" แฮร์เรนสไตน์อธิบาย
ความเคลื่อนไหวล่าสุดของกูเกิลในขณะนี้ คือการเข้าซื้อบริษัทเกิดใหม่ด้านโฆษณานาม Teracent กูเกิลไม่ระบุรายละเอียดว่าซื้อมาในราคาเท่าใดแต่ยอมรับว่าการซื้อครั้งนี้จะทำให้กูเกิลสามารถเปิดตัวบริการใหม่ด้านโฆษณาออนไลน์ได้ เป็นความเคลื่อนไหวหลังการประกาศซื้อบริษัท AdMob บริษัทเครือข่ายโฆษณาบนโทรศัพท์มือถือด้วยเงินมูลค่า 750 ล้านเหรียญ
