比Gemini Pro1.5强！可解读视频的多模态模型​Pegasus-1公测

划重点:

🌟 Pegasus-1是解读视频语言基础模型，迎来升级!

🌟 模型性能在多个任务中取得显著成就。视频

🌟 通过数据优化、模态模型视频处理和训练技术提升，公测刷新视频理解标准。解读

CSS站长资源（ChinaZ.com）4月25日 消息:Twelve Labs 最新发布了 Pegasus-1的视频公测版本，这款视频 - 语言基础模型在视频理解领域取得了新突破。模态模型

Pegasus-1是公测一款具有约17亿参数的视频 - 语言模型，能够以卓越的解读准确性和细节处理能力从视频输入中生成语言描述。据称，视频Pegasus-1视频解读能力比Gemini Pro1.5还要强，模态模型通过优质数据、公测优化视频处理和精细训练等升级，解读提供卓越的视频视频理解和生成文本能力。在视频总结、模态模型问题回答和对话方面表现卓越。

产品特色功能包括：

- 数据优化:高质量数据驱动模型表现，100，000个高质量视频 - 文本对训练带来强大基础视频理解能力。

- 视频处理提升:优化空间和时间分辨率，使 Pegasus-1能更好地捕捉视频信息。

- 训练技术改进:多阶段训练避免灾难性遗忘，使模型在细节、世界知识和时间理解等方面大幅提升。

在基准测试中，Pegasus-1在视频问答、对话和摘要等任务中胜过谷歌 Gemini Pro 等现有模型，展现出卓越的性能。无论是零样本表现还是广泛泛化能力，Pegasus-1都站在行业前沿，为视频理解任务设立新标杆。

然而，仍需关注模型安全性、视频长度限制和偶发幻觉等方面的改进空间。Pegasus-1的不断进化与创新，为视频理解技术开辟新的可能性。值得一提的是，Pegasus-1未开源，通过API使用

产品入口:https://top.aibase.com/tool/pegasus-1

API文档:https://docs.twelvelabs.io/docs/generate-text-from-video