20.500.12556/RUL-173471 Analiza pametnih orodij za urejanje videa v Adobe Premiere Pro Smart video editing functions in Adobe Premiere Pro V diplomski nalogi smo analizirali inteligentna orodja v programu Adobe Premiere Pro, in sicer transkripcijo govora, zaznavanje prehodov med prizori in generativno podaljšanje videoposnetkov, z oceno njihove učinkovitosti, prednosti in omejitev. Testiranje je bilo izvedeno na raznolikih videoposnetkih, vključno z dialogi v idealnih pogojih, posnetkih s prisotnim hrupom ozadja, posnetkih dinamičnih ter statičnih prizorov. Za oceno kvalitete transkripcije smo uporabili metrike delež napak besed (WER) in delež napake pri ločevanju govorcev (DER), za oceno kvalitet funkcije zaznavanja prehodov smo ocenili natančnost, priklic in metriko F1, funcijo generativno podaljšanje pa smo ocenili z uporabo vizualnega točkovanja (na lestivi od 1-5) kakovosti generiranega posnetka. Rezultati kažejo, da transkripcija dosega visoko natančnost (0 % deleža napak besed) v normalnih pogojih, slabo pa pri prisotnem hrupu ozadja (do 277,3% deleža napak) in govoru z naglasom (24,5 %). Zaznavanje prehodov je natančno (natančnost do 99,5 %), vendar manj zanesljivo pri mehkih prehodih. Generativno podaljšanje je učinkovito pri enostavnih posnetkih (ocena 4–5), medtem ko pri kompleksnih povzroča popačenja (ocena 2–3,5). Te funkcije prihranijo 50–80 % časa v primerjavi z ročnim urejanjem, vendar so omejene z odvisnostjo od oblačne obdelave in pomanjkljivo podporo za več jezikov. Ugotovili smo, da orodja pomembno povečujejo produktivnost, a zahtevajo nadaljnje izboljšave pri obdelavi hrupa in kompleksnih vsebin, kar uvršča Premiere Pro med vodilne v področju umetno inteligentno podprte video produkcije. In the diploma thesis, we analyzed intelligent tools in Adobe Premiere Pro, specifically speech transcription, scene edit detection, and generative video extension, evaluating their effectiveness, advantages, and limitations. Testing was conducted on diverse video clips, including dialogues in clean conditions, clips with noise, dynamic and static scenes, using metrics such as Word Error Rate (WER) and Diarization Error Rate (DER) for transcription, Precision (precision), Recall (recall), and F1 Score for scene transition detection, and visual scoring (on a scale of 1–5) for generative extension. The results show that transcription achieves high accuracy (0% word error rate) in normal conditions but performs poorly with noise (up to 277.3% WER) and accents (24.5%). Scene edit detection is accurate (precision up to 99.5%) but less reliable for soft transitions. Generative extend is effective for simple clips (rating 4–5) but causes distortions in complex scenes (rating 2–3.5). These functions save 50–80% of time compared to manual editing but are limited by reliance on cloud processing and inadequate support for multiple languages. We conclude that the tools significantly enhance productivity but require further improvements in noise handling and complex content processing, positioning Premiere Pro as a leader in AI-supported video production. urejanje videoposnetkov umetna inteligenca Adobe Premiere Pro video editing Artificial Intelligence Adobe Premiere Pro true false false Slovenski jezik Angleški jezik Diplomsko delo/naloga 2025-09-17 13:00:20 2025-09-17 13:00:31 2026-02-04 12:43:41 0000-00-00 00:00:00 2025 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 63159 267303683 Rascan_Leon_-_Analiza_pametnih_orodij_za_urejanje_videa_v_Adobe_Premiere_Pro.pdf Rascan_Leon_-_Analiza_pametnih_orodij_za_urejanje_videa_v_Adobe_Premiere_Pro.pdf 1 8591C2EDD90FF59FCA5D3181E2B404F0 5b7ea6d580815a91cc1f224ade342f0815a3eaf410e25cb8296114584d6adedf 5ad88cae-93b5-11f0-9328-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=217941 Fakulteta za elektrotehniko 0 0 0