Twelve LabsがPegasus-1を発表：長尺動画から直接テキストを生成
Twelve Labsは動画言語基盤モデル「Pegasus-1」を発表し、動画からテキストを生成するAPI群を公開した。静止画の連続として処理するのではなく、映像と音声を統合して解析することで、長尺動画の要約や目次作成、レポート生成に対応する。
Twelve Labsは動画言語基盤モデル「Pegasus-1」を発表し、動画からテキストを生成するAPI群を公開した。静止画の連続として処理するのではなく、映像と音声を統合して解析することで、長尺動画の要約や目次作成、レポート生成に対応する。