現(xiàn)在，AI 把“看視頻”這事玩出了新高度。
可以邊看視頻，邊和它聊天了！
例如這樣?jì)饍旱模?/p>
對于視頻中熊貓基本的信息，AI 可以對答如流。
甚至像“熊貓為什么舉起它的手”、“熊貓感覺怎么樣”這般意圖、情緒方面的問題，AI 也是可以做到。
再如下面這段視頻：
對于人物的性別、做的運(yùn)動，AI 也是可以輕松拿捏。
這就是來自通用視覺平臺 OpenGVLab（由上海人工智能實(shí)驗(yàn)室和商湯科技聯(lián)合打造）的最新項(xiàng)目 ——Ask-Anything。
不得不說，GPT-4 看圖說都還沒有開放，開源界就已經(jīng)整出看視頻聊天了。
也難怪網(wǎng)友對此直呼：
已經(jīng)跟不上 AI 發(fā)展的速度了。
在線可玩
目前 Ask-Anything 提供了在線可玩的 demo，操作也是非常的簡單。
只需要將視頻“拖拽”或“上傳”到頁面左上角的指定位置即可：
例如我們上傳一個(gè)段女子做瑜伽的視頻，AI 就會瞬間給出一個(gè)主題：瑜伽。
然后輸入 OpenAI 的 API，點(diǎn)擊“Watch it”，讓 AI 先看一下視頻；再點(diǎn)擊“Let’s Chat”就可以展開對話了。
例如問“她在做什么”，AI 就會說：
很抱歉之前沒有給出明確的回答。由于我不知道具體是哪個(gè)場景的視頻內(nèi)容，因此只給出了大致的描述：她似乎在做一個(gè)瑜伽姿勢。如果您有其他問題或需要更多幫助，請不要猶豫告訴我!
再追問“視頻拍攝于什么時(shí)候”：
根據(jù)我的分析和對該場景的觀察，我無法確定這個(gè)視頻的具體拍攝日期和時(shí)間。然而，我可以告訴您的是，如果它是在現(xiàn)代城市中拍攝的，那么很可能是為了表現(xiàn)城市風(fēng)光而進(jìn)行的攝影作品。不過如果有更多的背景信息和文本數(shù)據(jù)可用的話，也許可以更好地推斷出它的時(shí)間和地點(diǎn)。希望這可以幫助你得到更好的理解。
從結(jié)果上來看還是比較智能的。
至于背后的技術(shù)，據(jù)官方介紹，Ask-Anything 目前支持 ChatGPT、miniGPT4 和 StableLM。
背后團(tuán)隊(duì)
該項(xiàng)目是由通用視覺開源平臺 OpenGCLab 所打造。
這個(gè)平臺是由上海人工智能實(shí)驗(yàn)室和商湯科技，于 2022 年 2 月發(fā)布并開源。
據(jù)了解，OpenGVLab 平臺是基于“書生”技術(shù)體系打造，在其支持下的 AI，能夠輕松看出打麻將、競速摩托、熊貓等復(fù)雜的圖片，置信度大大提高。
最后，demo 地址放下面了，感興趣的小伙伴可以上手體驗(yàn)了~
體驗(yàn)地址：
http://106.14.223.212:7860/
參考鏈接：
[1]https://github.com/OpenGVLab/Ask-Anything
[2]https://twitter.com/_akhaliq/status/1650151007022620676
本文來自微信公眾號：量子位 （ID：QbitAI），作者：金磊
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。