微軟用GPT-4V解讀視頻，看懂電影還能講給盲人聽，1小時不是問題

AIGC動態歡迎閱讀

原標題：微軟用GPT-4V解讀視頻，看懂電影還能講給盲人聽，1小時不是問題

關鍵字：視頻,研究者,音頻,片段,視覺

文章來源：機器之心

內容字數：7381字

內容摘要：機器之心報道編輯：Panda、陳萍差不多已經掌握語言能力的大模型正在進軍視覺領域，但具有里程碑意義的 GPT-4V 也仍有諸多不足之處，參閱《》。近日，微軟 Azure AI 將 GPT-4V 與一些專用工具集成到一起，打造出了更強大的 MM-Vid，其不僅具備其它 LMM 的基本能力，還能分析長達一小時的長視頻以及解說視頻給視障人士聽。世界各地的人們每天都會創造大量視頻，包括用戶直播的內容、短視…

原文鏈接：點此閱讀原文：微軟用GPT-4V解讀視頻，看懂電影還能講給盲人聽，1小時不是問題

聯系作者

文章來源：機器之心

作者微信：almosthuman2014

作者簡介：專業的人工智能媒體和產業服務平臺