视频理解

ChatGPT for YouTube 是用于视频阅读辅助的浏览器扩展，可为YouTube视频生成AI摘要，官网采用托管服务方式，无需用户自行准备模型API密钥。

Ovis是面向图文理解的多模态语言模型系列，公开仓库提供模型权重、安装、推理和微调说明，并列有图像、多图、视频理解及OCR等视觉语言任务的相关支持。