Ad oggi, la produzione dei contenuti multimediali ha raggiunto livelli sorprendenti. Uno dei formati principali in tal senso è il video, che rappresenta una forma essenziale di informazioni, sensibilizzazione, comunicazione e anche intrattenimento. Tuttavia, una tale mole di dati rappresenta una sfida significativa per le piattaforme di gestione di questi contenuti. E’ comune infatti per i media digitali avere un archivio ricco di informazioni, che però risultano difficilmente ricercabili e utilizzabili. In questa tesi verranno analizzati tutti gli step che portano all’elaborazione automatica di un video, e che permettono una migliore fruizione delle informazioni da parte di utenti ed operatori. Verranno inoltre comparati i modelli di Natural Language Processing più comuni, il cui impatto sulla comprensione del linguaggio naturale ha dato un forte contributo all’analisi del contenuto.