Bir kurumsal medya arşivi 5. yılında genelde aynı yerde olur: terabaytlarca video ve ses, dosya isimleri kafa karıştırıcı, "geçen yıl Genel Müdür'ün şu konuşmasını lazım" denildiğinde kimse nerede olduğunu bilmiyor. Klasör sayısını artırmak, taglama disiplini koymak yeterli değil — çünkü içerik insan eliyle taranamayacak kadar büyük. Bu noktada işin doğası değişiyor: arşivin akıllı olması gerekiyor. Bu yazıda, modern bir medya arşivini "dosya yığını"ndan "aranabilir bilgi havuzuna" dönüştüren 5 kritik özelliği detaylıca inceliyoruz.
İçindekiler
Sorun: Klasik Medya Arşivi Neden Tıkanıyor?
Geleneksel medya arşivinin temel problemi, içeriğin yalnızca dosya adı, klasör yolu ve elle girilmiş etiketler üzerinden aranabilir olması. Bu modelin sınırı dosya sayısı arttıkça hızla çekilir:
- 2.000 video varken iyi tagleme disiplini iş görür
- 20.000 video varken etiketlemeyi yapacak personel yok
- 200.000 dosyaya gelindiğinde "ne istediğini bilmek" bile bir mesele
İçeriğin kendisini sisteme okutabildiğinizde — yani konuşulan kelimeleri, görünen kişileri, ekrandaki nesneleri otomatik çıkarabildiğinizde — kurumsal arşiv farklı bir kategoriye girer. Aranabilirlik klasik metadata'ya değil, içeriğin doğrudan kendisine dayanır. İşte modern medya arşivlerini akıllı kılan 5 temel yetenek.
1. Otomatik Transkripsiyon (Konuşma → Metin)
Bir saatlik konferans kaydını manuel transkribe etmek bir editöre ortalama 4-6 saat alır. Otomatik konuşma tanıma (ASR) modelleri ise aynı işi 5-10 dakikada tamamlar. Akıllı Arşiv tarafında bu süreç OpenAI Whisper modeliyle yürütülür ve çıktı zaman damgalı metne dönüştürülür — yani bir kelime aratıldığında, sistem hangi videonun hangi saniyesinde geçtiğini gösterir.
Pratik kazanç
- Yayıncılık arşivinde "geçen yıl Bakan'ın bu cümleyi söylediği röportaj" 3 saniyede bulunur
- Eğitim videolarında öğrenci bir kavramı aratıp doğrudan o saniyeye atlar
- Toplantı kayıtlarında "denetim kararı" gibi anahtar ifadeler taranabilir
- Altyazı (SRT) çıktısı doğrudan kullanıma hazır
💡 Pratik ipucu: Transkripsiyon yalnızca Türkçe değil, modelin desteklediği onlarca dilde çalışır. Çok dilli kurumsal arşivlerde dilden bağımsız tek bir arama altyapısı kurulabilir.
2. Yüz Tanıma ve Kişi Bazlı Arşivleme
Bir kurumsal arşivde belki de en sık sorulan soru şu: "Şu kişinin geçen yıl katıldığı toplantı kaydı hangisiydi?" Klasik arşivde bu soru dakikalarca, bazen saatlerce dosya taramak demektir. Yüz tanıma modeli ise videodaki yüzleri tespit eder, her yüzü matematiksel bir imzaya (vektör) dönüştürür ve bu imzayı önceden tanıtılan kişi kataloğuyla eşleştirir. Sonuç: kişi bazlı arşivleme ve arama.
Tipik kullanım senaryoları
- Yayıncılık: Bir sunucunun veya konuğun yer aldığı tüm program kayıtları tek listede
- Eğitim: Bir öğretim üyesinin tüm ders ve seminer kayıtları
- Kurumsal toplantı: "X yönetici" arşiv genelinde nerede konuşmuş — saniye seviyesinde liste
- Etkinlik arşivi: Belirli bir konuşmacının önceki konferans kayıtları
Yüz tanımanın kurumsal medya arşivinde nasıl konumlandığı, KVKK çerçevesinde nelere dikkat edilmesi gerektiği ve katalog kurulumunun pratik tarafı için ayrıntılı yazımız: Kurumsal Video Arşivinde Yüz Tanıma: Kişi Bazlı Arşivleme Rehberi.
3. Nesne Tanıma (Görsel İçerik Etiketleme)
Konuşulan kelimeleri ve yüzleri yakalamak işin yarısı. Diğer yarısı: kameranın gördüğü her şey. Nesne tanıma modelleri video karelerini analiz ederek görünen nesneleri, sahneleri ve ortamı etiketler — örnek: "toplantı masası", "sunum ekranı", "araç", "ürün", "logo", "açık alan", "stüdyo".
Bu ne sağlar?
- "İçinde sunum ekranı geçen tüm videolar" gibi görsel kriterli arama
- Ürün kataloğuna katkı — markanın geçtiği tüm tanıtım kayıtları otomatik gruplanır
- Sahne türü bazlı tasnif: stüdyo / saha / iç mekân / dış mekân
- Manuel etiketleme yapmadan, görsel içerik üzerinden katmanlı filtreleme
Klasik etiketleme yaklaşımında bir editörün her video için 15-20 etiket girmesi beklenir. Nesne tanıma bu yükün önemli kısmını otomasyona devreder ve insan emeği yalnızca ince ayar için kullanılır.
4. Otomatik Etiketleme
Otomatik etiketleme, yukarıdaki 3 katmanın (transkript, yüz tanıma, nesne tanıma) çıktılarını tek bir metadata zenginleştirme akışına dönüştürür. Bir video sisteme yüklendiğinde otomatik olarak şu metadata seti oluşur:
- Tam transkript ve önemli anahtar kelimeler
- Tespit edilen kişiler ve görünme süreleri
- Sahnedeki belirgin nesne ve ortam etiketleri
- Video uzunluğu, kalite bilgisi, format metadata
Bu zengin metadata, çoklu alan kelime araması üzerinden tek bir sorguda taranabilir hale gelir. Bir kullanıcı "satış sunumu Ali Yılmaz" yazdığında sistem hem transkriptte "satış sunumu" geçen, hem de Ali Yılmaz'ın yer aldığı videoları döner. Etiketleme artık editöre bırakılan bir iş değil, sistemin doğal çıktısıdır.
💡 Pratik ipucu: Otomatik etiketleme kurum içi etiket sözlüğünüzle birlikte çalışabilir. Sistem önerir, editör onaylar — böylece kurumsal terminoloji korunurken işin %80'i otomatikleşir.
5. Video Kırpma ve Kesit Çıkarma
Bir kurumsal arşivde içeriğin yarısı uzun video kayıtlarıdır: 2 saatlik genel kurullar, 90 dakikalık konferanslar, 45 dakikalık eğitim videoları. Bu kayıtların gerçek değeri çoğu zaman içlerindeki belirli birkaç dakikada saklıdır — bir karar anı, bir keynote, bir cevap, bir öne çıkan örnek.
Video kırpma özelliği, arşiv içinde herhangi bir kaydın istenen başlangıç ve bitiş anlarını seçip yeni bir kesit dosyası üretmeyi sağlar. Bu kesit:
- Orijinal dosyaya dokunmadan ayrı bir varlık olarak arşivde tutulur
- İstenirse harici paylaşılabilir bir link olarak dağıtılır
- Yeni bir metadata setiyle (kendi etiketleri, başlığı) zenginleştirilir
- Sosyal medya, basın bülteni ya da raporlama akışına anında eklenebilir
Uzun toplantı kayıtlarından kesit çıkarmanın tipik kurumsal iş akışı için ayrıntılı yazımız: Uzun Toplantı ve Konferans Kayıtlarından Önemli Kesitleri Hızlıca Çıkarma.
5 Özellik Birlikte Nasıl Çalışır?
Bu beş özelliğin asıl gücü tek tek değil, birlikte çalışmalarındadır. Tipik bir senaryoyla örnekleyelim:
Kurumsal iletişim ekibi, geçen sene düzenlenen 2 saatlik bir basın toplantısının "ürün lansmanı" bölümünden bir kesit çıkarmak istiyor.
- Arama (transkript + yüz tanıma): "ürün lansmanı + CEO Adı" sorgusu yapılır. Sistem hem transkript hem yüz tanıma katmanını birlikte tarar ve 8 dakikalık ilgili bölümü saniye seviyesinde gösterir.
- Kesit çıkarma (video kırpma): Bulunan zaman aralığı (1:23:14 → 1:31:48) seçilir. Yeni kesit oluşturulur.
- Etiketleme (otomatik etiketleme): Yeni kesit için sistem zaten otomatik metadata setini hazırlamıştır — ek manuel iş yok.
- Paylaşım: Güvenli bir paylaşım linkiyle basın ekibine ya da sosyal medya operatörüne aktarılır.
Bu süreç klasik iş akışında (video editör + render + transfer + manuel tagleme + paylaşım servisine yükleme) yarım gün, akıllı arşivde 5-10 dakika alır. Üstelik kalıcı bir arşiv varlığı yaratılır — bir daha aynı kesite ihtiyaç olduğunda her şey hazırdır.
Sonuç: Akıllı Arşivin Yeni Tanımı
2026'da "medya arşivi" denince artık yalnızca dosya saklamak kastedilmez. Modern bir kurumsal medya arşivinin tanımı şu beş yetenekle birlikte yapılır:
- Konuşulan kelimeyi metne döker
- Görünen kişileri tanır
- Sahnedeki nesneleri etiketler
- Bu üç katmandan otomatik metadata üretir
- Uzun kayıtlardan saniyeler içinde kullanılabilir kesitler çıkartır
Akıllı Arşiv | Medya, bu beş özelliği tek bir entegre platformda sunar. Belge, ses ve video varlıklarınızı tek bir aranabilir bilgi havuzuna dönüştürmek için Akıllı Arşiv | Medya sayfasını inceleyin ya da demo talep edin.