AI的效果如何？了解了一些源码，AI只是生成标题用...尝试了一下zhipu效果其实不尽人意？感觉AI无法很好的阅读出视频具体内容

AI的效果如何？了解了一些源码，AI只是生成标题用...尝试了一下zhipu效果其实不尽人意？感觉AI无法很好的阅读出视频具体内容

确实，只能作为一个大意总结的功能，我最近试了不少 prompt，目前来看，gemini 的效果远胜于 zhipu 的 GLM， GLM 给人的感觉更像识别画面中在做什么，而且似乎存在 fallback 策略，好几次不同的内容都能给我返回相似的标题，我猜测可能 zhipu 模型的 Gate 设置得更严？不太确定，如果要实际用的话，我认为 gemini 效果有时能让人眼前一亮，另外的话目前市面上好像很少有视频理解的多模态模型了。

AI的效果如何？了解了一些源码，AI只是生成标题用...尝试了一下zhipu效果其实不尽人意？感觉AI无法很好的阅读出视频具体内容

另外要替代的话，我目前的思路是通过摘要图的方式加上 whisper 字幕以及弹幕分析，可能会创建一个 workflow，然后进行整个流程，不知道会不会效果胜过单独的视频理解模型，等我最近优化完 bilitool 就试一试。

AI的效果如何？了解了一些源码，AI只是生成标题用...尝试了一下zhipu效果其实不尽人意？感觉AI无法很好的阅读出视频具体内容

我重新测试了 gemini，效果还可以。