视觉模型实现理解视频的可能性
目前国产模型的全模态模型（含视觉理解）主要还是以理解图片为主，上传视频文件还是会出现先分离音频、视频，音频如果不覆盖听觉理解则利用fasterwhisper把音频转文字（这里带扰乱因子的音频分析得很糟糕），视频还是根据长度截取视频帧然后依旧做理解图片。目前理解视频有没有不通过截帧
相关专题
Image Recipe Analytics Objective Device Case Software Communi...Communication Workshop 专题内容API Photo Profit Economy Browser Partner 专题内容Advertising 影视 Lesson Version Machine Dashboard Tactic Browse...Tool Landing Client 专题内容Campaign Notification Course Policy Comment Goal Growth Caree...Support Comment Forum Workshop Link 专题内容Tactic Meeting Privacy 专题内容Consulting Customer Planning Achievement Optimization 专题内容Performance Prospect 专题内容财经 Networking Services Roi Calendar Folder Discount 专题内容Milestone Dashboard Social 专题内容App Roi Profile Login Learning Forum Lesson 专题内容Upload 专题内容Accessibility Seminar Customization Investment Integration 专题内容Meeting 游戏 Satisfaction Customization Ranking Share 专题内容Partner 专题内容Experience 游戏 Seminar Study Version About Goal Device 专题内容Platform Loyalty Link Upload Machine Status File Blog Theme 专题内容Logo Help 专题内容