Un empleado encontró un videoclip con audio en español y quiere realizar un análisis de sentimiento, pero solo habla inglés. ¿Qué combinación de servicios es la forma más eficiente de obtener el sentimiento del clip?

La opción correcta es la más eficiente porque sigue un flujo lógico y utiliza los servicios adecuados para cada paso. Primero, se transcribe el audio para convertir el habla en texto. Luego, se traduce ese texto al inglés, que es el idioma que entiende el empleado y, crucialmente, es el idioma en el que los modelos de análisis de sentimiento suelen tener un mejor rendimiento o están entrenados por defecto en muchos servicios. Finalmente, se aplica el análisis de sentimiento sobre el texto traducido. Las opciones incorrectas presentan ineficiencias o usos inadecuados de los servicios: Ejecutar el análisis de sentimiento sobre la transcripción en español antes de traducir podría dar resultados inexactos si el modelo de sentimiento no está optimizado para español. Usar SageMaker seq2seq para traducción después del análisis es un orden incorrecto. Un Neural Topic Model (NTM) de SageMaker se usa para identificar temas, no para análisis de sentimiento. BlazingText de SageMaker es un algoritmo para clasificación de texto y word embeddings, no un servicio de análisis de sentimiento pre-entrenado para este propósito específico sin configuración adicional.