Seiri · Catalogación con IA
O teu arquivo, descrito hora a hora. Sen visionalo.
Seiri ve e escoita cada vídeo, audio e imaxe, e devolve o que un documentalista tardaría horas en anotar: quen fala, que di, que aparece na pantalla e de que trata. Con código de tempo, listo para buscar.
- 01
Do visionado á busca
Deixa de reproducir cintas para saber que conteñen. Escribe o que buscas e salta ao segundo exacto.
- 02
Un arquivo que se reutiliza
O que está descrito atópase, e o que se atopa volve emitirse, licénciase ou alimenta unha peza nova.
- 03
Dentro do teu MAM
Os metadatos chegan por API ao teu xestor de medios. O teu equipo segue traballando onde xa traballa.
Proxecto de referencia · RTVE
O arquivo de RTVE, descrito a escala.
RTVE adxudicoulle a Crosspoint o servizo de metadatado automático do seu arquivo, con Seiri como núcleo tecnolóxico: transcrición, entidades, OCR, recoñecemento facial e de escenas, e tradución das linguas cooficiais ao castelán.

28.000h/ano
de arquivo analizadas automaticamente polo servizo.
198.220h
dos centros territoriais que RTVE se propuxo catalogar.
Todo o que fai
Todo o que hai na imaxe e no son.
Tres capas que se suman, as mesmas que elixes ao contratar. Cada dato sae co seu código de tempo.
Voice
O que se di.
Transcrición
Voz a texto con puntuación e maiúsculas, lista para ler e para buscar.
00:12:47 · «It was a bold, provocative move…»Falantes
Diarización e recoñecemento de quen fala en cada momento.
SPK #6 · 00:12:47 → 00:13:23Idioma e tradución
Identifica o idioma e traduce a transcrición.
EN → ES · CA · FREntidades nomeadas
Persoas, lugares e organizacións, coas veces que aparecen.
Kamala Harris ×6 · California ×5Resumo
De que trata a peza, nun parágrafo adaptado ao teu criterio editorial.
Resumo · 5 liñasClasificación
Tipo de contido e temática segundo a túa propia taxonomía.
NEWS · PolíticaSegmentación semántica
Divide un programa por noticias ou por temas, non por minutos.
12 segmentos · 19:52Vision
O que se ve.
Fotogramas clave
Un storyboard para percorrer unha hora dunha ollada.
00:00:03 · 00:00:18 · 00:01:02Caras
Figuras públicas e as persoas que ti adestres desde o teu portal.
David Muir · en pantallaTexto en pantalla (OCR)
Rótulos, créditos e titulares, tal como se len.
«BREAKING NEWS»Logos e obxectos
Marcas e obxectos relevantes que aparecen no plano.
person ×46 · airplane ×10Escenas e imaxe
Tipo de escena e descrición do que se ve, útil para accesibilidade.
Plató · «presentador ante unha pantalla»Adestramento propio
Ensínalle a Seiri as caras e as voces da túa casa, sen depender de ninguén.
Training PortalMind
O que podes pedirlle.
Chat co teu contido
Pregunta en linguaxe natural e recibe a resposta co seu momento exacto.
Talk to SeiriAxentes de IA
Encarga tarefas completas: unha selección, unha secuencia, unha corrección.
Modo axénticoModo axente
Encárgalle a tarefa enteira.
Hai traballos que non son unha busca: son vinte. O modo axente de Seiri planifica a tarefa, amósache cada paso que dá e detense a pedirche confirmación antes de cambiar nada. Se ten unha dúbida, pregúntacha.
- Busca, compara e selecciona en todo o teu arquivo
- Prepara secuencias e listas de cortes, tamén multicámara
- Corrixe transcricións e nomes de falantes
- Cada acción queda á vista; ti aprobas ou rexeitas
Fluxos, API, plugins e webhooks
O que se repite, automatízase.
Escribes en linguaxe natural o que debe pasar e a plataforma convérteo nun fluxo con disparador, condicións e accións: un proceso completo, sen programar. Revísalo e retócalo nun editor visual.
- Fluxos: dispáranse ao procesar ou editar un vídeo, con condicións que avalía a IA
- API REST: as túas aplicacións piden á plataforma o que precisan, cando o precisan
- Plugins: lanzan unha acción cando ocorre un evento do sistema
- Webhooks: a plataforma avisa os teus sistemas en canto remata un proceso
Como funciona
Da inxesta ao catálogo, sen tocar o teu fluxo.
01Inxesta
Sube ficheiros ou conecta o teu almacenamento: local, Samba, FTP, S3 ou cinta LTO.
02Análise
Seiri procesa cada peza cos modelos do teu paquete, na nube de Amplify ou nas túas máquinas.
03Revisión
O teu equipo corrixe, valida e amplía os campos. A IA propón; documentación decide.
04Entrega
Metadatos ao teu MAM por API REST, ou exportados en CSV, Excel, JSON e texto.
Demo
Seiri en acción.
Prezos
Desde 349 ao mes. Dúas decisións: horas e capa.
Pagas polas horas que analizas e pola capa que activas. O nivel de entrada existe para que unha televisión local —ou unha organización que non é un medio— tamén poida asumilo.
Subscrición (OpEx)
desde349USD/EUR ao mes
Modelo SaaS. Empezas hoxe e escalas cando medra o volume.
Licenza perpetua (CapEx)
desde9.990USD/EUR
Licenza en propiedade para instalar na túa infraestrutura.
1. Elixe a túa carga de traballo
| Nivel | Uso mensual por nodo | Recomendado para |
|---|---|---|
| Entry-Level | 150 horas | Televisións locais e organizacións doutros sectores |
| Mid-Market | 300 horas | Televisións e produtoras de tamaño medio |
| Enterprise | Ilimitado | Grandes televisións e operadoras, OTT, redaccións de noticias |
2. Elixe a túa capa
| Funcionalidade | Voice | Vision | Mind |
|---|---|---|---|
| Transcrición con diarización | Incluído | Incluído | Incluído |
| Recoñecemento de falantes | Incluído | Incluído | Incluído |
| Identificación de idioma | Incluído | Incluído | Incluído |
| Tradución | Incluído | Incluído | Incluído |
| Resumo e clasificación de contido | Incluído | Incluído | Incluído |
| Segmentación semántica | Incluído | Incluído | Incluído |
| Recoñecemento de entidades nomeadas | Incluído | Incluído | Incluído |
| Fotogramas clave intelixentes | Non incluído | Incluído | Incluído |
| Recoñecemento de caras | Non incluído | Incluído | Incluído |
| Descrición de imaxes | Non incluído | Incluído | Incluído |
| Recoñecemento de texto (OCR), logos e obxectos | Non incluído | Incluído | Incluído |
| Recoñecemento de tipos de escena | Non incluído | Incluído | Incluído |
| Chat LLM integrado por contexto de contido | Non incluído | Non incluído | Incluído |
| Tarefas mediante axentes de IA | Non incluído | Non incluído | Incluído |
Prezos «desde», sen impostos. Preparámosche unha proposta pechada segundo horas, paquete e despregamento.
Que plan che encaixa?
O teu punto de partida
Entry-Level · Voice
Ata 150 horas ao mes por nodo. Pensado para televisións locais e organizacións doutros sectores.
Pide a túa proposta- Entrada
- Orixinais en alta resolución ou proxies do teu MAM ou PAM; horizontal 16:9 e vertical 9:16
- Idiomas
- Transcrición en máis de 90 idiomas
- Despregamento
- Nube de Amplify, híbrido, on-premise ou sen conexión; microservizos Docker
- Integración
- API REST e Developer Portal, endpoint LLM, MCP e webhooks; plugins con eventos; máis de 15 sistemas entre MAM, edición, almacenamento e CMS
- Almacenamento
- Local, Samba, FTP, S3, HTTP e LTO; online e nearline
- Acceso
- Multiorganización, LDAP / Active Directory, dobre factor, tokens de API; rexistro de auditoría
- Exportación
- JSON, XML, CSV, Excel, SRT, VTT, transcrición en texto e EDL
- Licenza
- Por GPU NVIDIA: perpetua con soporte anual, ou subscrición
- Hardware mínimo on-premise
- GPU NVIDIA con 24 GB de VRAM (por exemplo, L4), 64 GB de RAM, CPU de 8 núcleos e Ubuntu 24
- Certificado
- NVIDIA DGX Spark e sistemas GB10
- Interface
- 8 idiomas: español, inglés, catalán, francés, alemán, portugués, italiano e ruso
FAQ
Preguntas frecuentes
O meu contido sae da miña infraestrutura?
Só se ti queres. Seiri instálase nos teus servidores cos modelos en local, ou úsase como servizo na nube de Amplify. Tamén hai despregamentos híbridos.
Funciona co meu MAM?
Seiri intégrase por API REST con sistemas de xestión de terceiros. Xa traballa en produción xunto a Mediaflex de TMD, e colaboramos con Knox Media Hub e ELEMENTS.
Podo ensinarlle a recoñecer a miña xente?
Si. O portal de adestramento permite engadir caras e voces propias —presentadores, colaboradores, políticos locais— sen depender de nós.
Canto custa?
Publicamos os prezos de entrada: subscrición desde 349 ao mes ou licenza perpetua desde 9.990. O resto depende de horas e paquete.
E se a IA se equivoca?
Cada dato leva o seu código de tempo: compróbase nun clic e corríxese antes de chegar ao MAM.
Substitúe a documentación?
Non. Quita o visionado e o tecleo; o criterio segue sendo do teu equipo, que valida, corrixe e adestra os modelos coa súa taxonomía.
Podo levar os meus metadatos?
Si: saen cando queiras en CSV, Excel, JSON ou por API.
Seguinte paso
Amósanos o teu contido. Amosámosche o que vale.
Unha demo de 30 minutos co teu propio material e con alguén do equipo que traballou en televisión.