Twelve Labs создала нейросеть, которая буквально понимает видео на уровне человека. В отличие от простого распознавания объектов, она анализирует контекст, действия и даже намерения в динамическом видеопотоке. Технология способна мгновенно находить конкретные моменты по смыслу, например, «человек в красной рубашке открывает дверь» или «кошка запрыгивает на диван», без необходимости предварительных тегов. Это открывает новые горизонты для работы с видеоконтентом, делая поиск внутри видео таким же простым, как поиск в интернете. Платформа учится связывать визуальные образы с семантическим значением, что является значительным шагом в области искусственного интеллекта.
Основные возможности:
- Понимает что происходит в видео — ищет объекты, действия и события даже без субтитров или меток.
- Отвечает на сложные вопросы по контенту — может проанализировать сцену и объяснить её смысл.
- Мгновенно находит нужный момент — по описанию события перематывает прямо к нему.
- Создаёт автоматические главы — разбивает длинные видео на логические части.
- Генерирует краткое содержание — делает выжимку самого важного из часового ролика.
- Работает с видео на разных языках — распознаёт контекст, а не просто речь.
