可以从这样的媒体中提取什么样的语义信息？任何东西都可以，无论是区分音乐和语音文本、检测不同的声音(如枪声、鸟声或汽车)、检测室内/室外拍摄或相机运动的强度。
我知道有many , many , many , manymanymany这个类别的研究主题，但我没有找到任何这些的任何应用程序。是否有人有关于这些主题的即将推出的产品的应用程序/库/工作原型(prototype)/新闻的链接？
最佳答案
看看MP4REG ，它是“MP4 Family”文件中代码点的注册机构。
简短入门:在 MPEG4 和 QuickTime 世界中，媒体的基本物理构建 block 称为“Atom”。原子不仅可以包含实际的音频和视频，还可以包含技术和非技术元数据。最后一个听起来很有趣。
例如:
albm:专辑名称和轨道编号(用户数据)jp2i: 知识产权信息
关于元数据，我只仔细研究过一次，我的印象是它是一个快速而松散的世界。您可能想要查看一些低级 MP4 解析工具，这些工具可以让您检查真实世界媒体文件的各个原子。我认为甚至有非官方的(未注册的)自定义原子用于特定系统。
关于video - 音频/视频内容提示，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/950915/