گروهی از دانشمندان علوم رایانه سیستمی اختراع کرده‌اند که قادر به تجزیه و تحلیل فایل‌های ویدئویی و استخراج گفتار متن آنها برای استفاده کاربر است. به گزارش از پی سی ورلد، این سیستم که هنوز در مرحله آزمایشی است به طور قطع با استقبال افراد دانشگاهی و شرکت‌هایی مواجه خواهد شد که قصد دارند به سرعت متن گفتار یک فایل ویدئویی را پیاده کنند. این سیستم برای استفاده افراد نابینا هم مفید خواهد بود. سیستم یاد شده کهVideo in Sentences out یا (Viso) نام دارد با استفاده از ابزار متنوع ردگیری و شناسایی اشیا در یک ویدئو می‌تواند هر فریم یک ویدئو را تجزیه و تحلیل کند و تصویری از آنچه در جریان است در اختیار مخاطب قرار دهد. این سیستم در حال حاضر می‌تواند میان اشیای مختلفی مانند توپ، کیف، کامیون و انسان‌ها تمایز قائل شود. محققان دانشگاه Purdue که این سیستم را ابداع کرده‌اند می‌گویند این سیستم صحبت‌های چند نفر را هم می‌تواند استخراج کند و قادر به درک حرکات انسان‌ها در یک ویدئو اعم از دویدن، ایستادن، نشستن و... است. هنوز زمان عرضه نسخه نهایی این سیستم اعلام نشده است.