|
智能體已經能像人一樣刷視頻了?國內知名大模型獨角獸級別公司，資深AI玩家聯匯科技退出了OmAgent智能體，已經開啟試用。
當你正在觀看一部緊張刺激的動作電影,忽然好奇: “那個角色到底是在哪一集說的那句話?” “這里的背景音樂是什么?” 又或者在一場足球比賽中,你錯過了那個決定性的進球,卻又想再次回放。諸如此類的需求,如果僅憑人力尋找,無疑存在極大的工作量。 但是 AI 能夠為機器配置雙眼與大腦,讓它們能夠看懂視頻、理解劇情,對于普通人來說,這不僅是提高了搜索效率,更是擴展我們與數字世界的互動方式。 英偉達最新發(fā)布的 NVIDIA AI Blueprint 希望幫助人們解決這一問題。這是一種預訓練的、可自定義 AI 工作流,他為開發(fā)者構建和部署用于典型用例的生成式 AI 應用程序提供了一套完整的解決方案。 比如在英偉達提供的試用界面中,你可以選擇三個視頻片段中的一個進行內容問答。 在幾輪測試過后,我們發(fā)現 Blueprint 對視頻問答還是有不錯的效果的。你可以提問某個事件發(fā)生的時間,也可以提問某個對象的狀態(tài)。 尤其令人遺憾的是,在試用過程中我們不斷遇到流量限制,無限驗證等問題,試用體驗可以說一言難盡。并且目前 Blueprint 仍然處于早期申請使用制階段,沒有辦法快速進行使用。 Blueprint 之外,我們還有什么選擇? 經過一番搜索和調研,我們在 Github 上發(fā)現了 OmAgent 這個項目,這是一個多模態(tài)智能體框架,提供了同樣強大的視頻問答功能。 項目地址:https://github.com/om-ai-lab/OmAgent OmAgent 是什么 OmAgent 是一個開源的智能體框架,支持簡單快速地面向設備進行智能體系統(tǒng)的開發(fā),為智能手機、智能可穿戴設備、智能攝像頭乃至機器人等各類硬件設備賦能。OmAgent 為各種類型的設備創(chuàng)建了一個抽象概念,并大大簡化了將這些設備與最先進的多模態(tài)基礎模型和智能體算法相結合的過程,使每個人都能基于設備建立最有趣的 AI 應用。 OmAgent 的設計架構遵循三個基本原則:
A: Q: Which direction did the forklift go? A:
A: 接下來我們進行更復雜的測試,OmAgent 可以支持音頻信息以及超長視頻索引。我們選取了最近大火的劇集《雙城之戰(zhàn)》第二季第一集作為素材,基于其中的畫面和劇情進行提問。 A:
A: Q: 視頻最后幾個議員在討論什么? A:
A: 可以看到,即使面對如此復雜的視頻素材,OmAgent 依然可以游刃有余。 如果想了解更多OmAgent智能體技術信息，可以通過聯匯科技官網聯系！ |
