Twelve Labs 推出 Pegasus-1：直接看懂长视频并生成文本
Twelve Labs 推出视频语言基础模型 Pegasus-1，并上线视频转文本 API。它放弃常见的抽帧转图片路线，直接整合视觉、音频与语音信息，用于长视频的摘要、分段与报告生成。这意味着长视频理解不再受限于单帧切片。
Twelve Labs 推出视频语言基础模型 Pegasus-1，并上线视频转文本 API。它放弃常见的抽帧转图片路线，直接整合视觉、音频与语音信息，用于长视频的摘要、分段与报告生成。这意味着长视频理解不再受限于单帧切片。