Tänk dig ett videomöte sett från andra sidan skärmen. Du ser ett bord på långt håll, åtta små huvuden och en röst som kommer från någonstans. Vem är det som pratar?
Det är det problemet talarföljning löser.
Tre nivåer av smart kamera
Den enklaste kameran har en fast bild. Den visar det den är riktad mot, och ingenting mer. Det fungerar i ett litet rum där alla sitter nära.
Nästa steg är automatisk inramning. Kameran känner igen hur många som sitter i rummet och zoomar så att alla får plats, utan tomma stolar och bordsskivor runt omkring. Kommer någon in sent så justeras bilden.
Talarföljning går ett steg längre. Kameran lyssnar med sina mikrofoner, räknar ut varifrån ljudet kommer och zoomar in på den som talar. Vissa kameror delar dessutom upp bilden i rutor, en för varje deltagare, så att den som sitter hemma ser alla ansikten lika stora.
När är det värt pengarna?
I ett litet rum för två till fyra personer behöver du sällan talarföljning. Alla syns ändå, och automatisk inramning räcker långt.
I större rum ändras kalkylen. Ju fler som sitter runt bordet, desto mindre blir varje ansikte i en fast bild, och desto svårare blir det för de på distans att hänga med. Där gör talarföljning störst skillnad.
En sak att vara uppmärksam på är tempot. En kamera som hoppar hit och dit vid varje harkling blir snabbt tröttsam att titta på. Bra system väntar en kort stund innan de byter bild, och de flesta går att ställa in.
När kameran blir för smart
Hos en av våra kunder hade en inredare gjort ett fint jobb. På väggarna i mötesrummet hade det hängts upp stora, högupplösta porträtt av människor. Snyggt, tyckte alla. Kameran också.
Rummets AI-styrda kamera gjorde precis det den var byggd för. Den letade efter ansikten, och den hittade dem, på väggen. Porträtten räknades som mötesdeltagare. Kameran zoomade ut för att få med alla, och de som satt på distans fick se ett möte där en del av deltagarna satt helt blickstilla i sina ramar.
Vi skrattade också. Men historien säger något viktigt om hur tekniken fungerar. Kameran förstår inte vad en människa är. Den känner igen mönster som liknar ansikten, och ett skarpt porträtt liknar ett ansikte väldigt mycket.
Samma sak kan hända med affischer, speglar och glasväggar mot en korridor där folk går förbi. Lösningen är oftast enkel. Flytta tavlan, eller ställ in kameran så att den bara letar efter deltagare inom en viss del av rummet, vilket många kameror klarar. Därför tittar vi på hela rummet och inte bara på tekniken. Även på konsten.
En smart kamera är aldrig smartare än rummet den sitter i.