Đầu cầu bên kia đang nhìn thấy gì?

Phần 2. Ba triệu chứng, và chúng đều bị bỏ qua

Triệu chứng một: hội chứng ảnh thẻ

Một camera, đặt ở cuối phòng, mở góc rộng nhất để lấy được tất cả mọi người vào khung.

Kết quả là một tấm ảnh tập thể tĩnh, kéo dài ba tiếng.

Camera này không sai. Nó đang làm đúng việc mà người ta yêu cầu nó làm: lấy hết cả phòng. Vấn đề là yêu cầu đó sai ngay từ đầu.

Người ở đầu cầu bên kia không cần nhìn thấy cả phòng. Họ cần nhìn thấy người đang nói.

Triệu chứng hai: camera đuổi theo, và luôn muộn

Một số hội trường đã trang bị camera tự động bám người nói. Về lý thuyết, đây là giải pháp.

Nhưng có một khác biệt mà rất ít người phân biệt được, và nó quyết định tất cả.

Có hai cách để camera chuyển tới người đang nói. Cách thứ nhất là camera quay từ từ sang phía người đó, vừa quay vừa dò tìm, và ổn định sau vài giây. Cách thứ hai là hệ thống cắt thẳng sang một camera đã sẵn sàng ở góc đó, ngay lập tức.

Cách thứ nhất là camera an ninh. Cách thứ hai là truyền hình.

Bạn đã xem đủ truyền hình để biết cảm giác nào là chuyên nghiệp. Khi một chương trình chuyển từ người dẫn sang khách mời, hình không quay lảo đảo qua bàn ghế rồi mới tìm thấy mặt khách. Nó cắt. Ngay lập tức, đúng khung, đúng người.

Ba giây quay dò tìm nghe có vẻ ngắn. Nhưng nhân với năm mươi lượt phát biểu trong một phiên họp, đó là hai phút rưỡi mà người xem nhìn vào bàn ghế thay vì nhìn vào mặt người.

Và quan trọng hơn hai phút rưỡi đó: mỗi lần camera dò tìm là một lần người xem được nhắc rằng họ đang xem qua một cái máy, chứ không phải đang dự một cuộc họp.

Triệu chứng ba: và đây là triệu chứng nặng nhất ở khối cơ quan nhà nước

Trong một phiên họp có ghi hình lưu trữ theo quy định, bản ghi đó là tài liệu.

Nó được lưu, được tra cứu, đôi khi được dùng làm căn cứ.

Bây giờ hãy tưởng tượng bản ghi đó là một khung hình tĩnh chụp cả phòng trong ba tiếng, và trong đó có nhiều lượt phát biểu mà người xem lại không xác định được ai đang nói.

Bản ghi hình đó tồn tại về mặt vật lý. Nhưng nó không phục vụ được mục đích mà nó được tạo ra.

Đây là chỗ mà bài toán khung hình chuyển từ chuyện thẩm mỹ sang chuyện nghiệp vụ. Và ở khối công, nghiệp vụ là thứ không thương lượng được.

Phần 4. Sự khác biệt mà rất ít người biết

Đây là phần kỹ thuật, và nó quyết định chất lượng của toàn bộ giải pháp.

Có hai cách để một hệ thống biết ai đang nói.

Cách một: camera tự nhìn

Camera dùng thuật toán xử lý hình ảnh để tìm khuôn mặt, nhận diện người đang cử động miệng, rồi zoom vào.

Cách này hoạt động tốt trong một phòng họp nhỏ, ánh sáng đều, mọi người ngồi quay mặt về phía camera.

Trong một hội trường lớn, nó gặp vấn đề: người ở xa quá nhỏ để nhận diện, ánh sáng không đều, nhiều người cùng cử động, và camera không phân biệt được người đang nói với người đang uống nước.

Cách hai: hệ thống nghe, rồi bảo camera nhìn

Đây là cách khác về bản chất.

Hệ micro của phòng, nếu là loại micro mảng trần có khả năng định vị âm thanh theo vùng, không chỉ thu tiếng. Nó biết tiếng đó đến từ hướng nào, từ vùng nào trong phòng.

Thông tin đó được chuyển cho một bộ điều khiển. Bộ điều khiển biết vùng nào tương ứng với camera nào, ở góc quay nào đã được cài sẵn. Nó ra lệnh chuyển sang camera đó, ở đúng góc đó, ngay lập tức.

Camera không phải đi tìm. Camera đã ở đó sẵn rồi. Việc duy nhất cần làm là cắt sang.

Đây là khác biệt giữa dò tìm và cắt cảnh. Giữa camera an ninh và truyền hình.

Đây cũng là kiến trúc mà dòng sản phẩm chuyển camera theo giọng nói của INOGENI, đối tác công nghệ từ Canada mà Bá Hùng là nhà phân phối chính thức tại Việt Nam, được xây dựng trên. Thiết bị này không tự nhìn. Nó lắng nghe dữ liệu định vị âm thanh từ hệ micro mảng, xác định vùng có người đang nói, rồi điều khiển camera PTZ tương ứng nhảy tới preset đã cài sẵn.

Theo công bố của hãng, bản tiêu chuẩn quản lý được tới 8 camera PTZ và 4 thiết bị micro, còn bản PRO nâng lên tới 12 camera và 8 thiết bị micro. Nó làm việc được với camera của nhiều hãng khác nhau, qua nhiều loại kết nối khác nhau, gồm USB, HDMI và IP.

Chi tiết mà chúng tôi cho là đáng chú ý nhất: hãng công bố rằng việc thiết lập không cần lập trình, chỉ cần cấu hình qua giao diện web.

Với một hội trường không có kỹ sư lập trình điều khiển thường trực, và đó là phần lớn hội trường ở Việt Nam, chi tiết này quan trọng hơn mọi thông số khác.

Phần 6. Câu hỏi để đưa vào hồ sơ

Trong thiết kế này, khi một đại biểu ở hàng ghế thứ mười phát biểu, người ở đầu cầu bên kia nhìn thấy gì, sau bao nhiêu giây, và hệ thống dựa vào cơ chế nào để biết đó là người đang nói?

Câu hỏi này có ba vế, và nó được thiết kế để không thể trả lời qua loa.

Vế đầu buộc nhà thầu hình dung ra trải nghiệm thật của người xem. Vế thứ hai buộc họ cam kết một con số. Vế thứ ba buộc họ tiết lộ liệu họ đã nghĩ tới quan hệ giữa hệ âm thanh và hệ hình ảnh, hay họ đang coi chúng là hai hạng mục riêng biệt trong bảng danh mục.

Nhà thầu coi âm thanh và hình ảnh là hai hạng mục riêng biệt là nhà thầu sẽ giao cho bạn một hội trường mà camera không bao giờ tìm đúng người.