ข้ามไปยังเนื้อหา

แท็ก

#video

2 บทความ

Gemini เปลี่ยนวิธีอ่านวิดีโอ — จากไล่ดูทีละเฟรมเป็นให้โมเดลเลือกเองว่าจะดูตรงไหน ลดโทเคน 88% แต่ค่าใช้จ่ายลดแค่ 66%
เครื่องมือนักพัฒนา

Gemini เปลี่ยนวิธีอ่านวิดีโอ — จากไล่ดูทีละเฟรมเป็นให้โมเดลเลือกเองว่าจะดูตรงไหน ลดโทเคน 88% แต่ค่าใช้จ่ายลดแค่ 66%

1 ก.ย. 2026 Google เปิด agentic video understanding บน Gemini 3.7 Flash, 3.6 Flash และ 3.5 Flash-Lite — เปลี่ยนคอนฟิกเดียวเป็น processing: agentic แล้วโมเดลจะไล่ไทม์ไลน์เอง ขอเฉพาะเฟรม เสียง หรือทรานสคริปต์ช่วงที่ต้องการ อ้างว่าใช้โทเคนน้อยลงถึง 88% ถูกลงถึง 66% และแม่นขึ้นถึง 7% — ตัวเลขสามตัวที่ไม่เท่ากันนี้เองคือสิ่งที่บอกว่าลูปเอเจนต์กินอะไรไปบ้าง

· อ่าน 6 นาที
LAION ปล่อยชุดข้อมูลวิดีโอเปิด 10 ล้านชั่วโมง — BVD ที่กลั่นจาก URL 1.3 พันล้าน แต่ติดป้าย "วิจัยเท่านั้น" และภาระทางกฎหมายตกที่คนดาวน์โหลด
งานวิจัย

LAION ปล่อยชุดข้อมูลวิดีโอเปิด 10 ล้านชั่วโมง — BVD ที่กลั่นจาก URL 1.3 พันล้าน แต่ติดป้าย "วิจัยเท่านั้น" และภาระทางกฎหมายตกที่คนดาวน์โหลด

LAION เปิด LAION-BVD ชุดข้อมูลวิดีโอเปิดขนาด 10 ล้านชั่วโมง กลั่นจาก URL 1.3 พันล้านรายการบน CommonCrawl เหลือวิดีโอที่โหลดได้จริง 80 ล้านไฟล์ พร้อมคลิปติดแคปชัน 55 ล้านคลิปและเฟรม 300 ล้านภาพ เปเปอร์ขึ้น arXiv 25 ส.ค. โมเดล ViCLIP ที่เทรนบนชุดนี้ชนะ InternVid สูงสุด 2.1 จุด — แต่ใบอนุญาตเป็น research-only และตัวไฟล์วิดีโอต้องขอสิทธิ์เข้าถึง

· อ่าน 7 นาที