各位大佬们,最近想学习下,但不想一个个花费大量时间看视频,哪家的 AI 能自己看视频,输出视频的文字笔记的。
各位大佬们,最近想学习下,但不想一个个花费大量时间看视频,哪家的 AI 能自己看视频,输出视频的文字笔记的。
|
coolxllFeb 9
1
gemini 和 youtube 整合的好
|
|
ShiBuYiFeb 9
2
同求一个能看 b 站的
|
|
huaweiiFeb 9 via Android
3
我也有类似的需求。不过发现大部分都是语音转文字,一旦你的视频画面有大量语音没法覆盖的信息,基本上效果很差。
定制的多模态 agent 服务应该可以把画面和文字脚本结合的更好,等一个回复。 |
|
rcj6056Feb 9
4
听你这个需求是
我在 youtube 上看视频 然后视频结束了 ai 帮我整理 输出笔记吗? |
|
8
也就是大模型需要同时满足:能理解视频中的语音,图片,图片中的内容,以及把整体总结下来。 感觉也不是很容易。
|
|
liudewaFeb 9
10
花钱用了几个 B 站的 感觉效果一般 原理都是先提取音频再音频转字幕,再把字幕扔给大模型总结
|
|
liudewaFeb 9
11
oppo 手机的小布 支持对 b 站视频总结 https://www.bilibili.com/video/BV1Q7WvzcE6z/
|
|
xigua11Feb 9
12
试试用百度网盘看视频
|
|
zazzazFeb 9
13
目前的 token 成本控制下,免费方案基本是提取 CC 字幕来获取信息,而一些付费但价格较低的方案,也主要是把语音转成文字、再交给模型理解。
这其实并不是很多人想象中那种“让模型完整观看视频画面并讲解出来”的方式。 所以,如果视频的内容非常依赖画面信息——比如操作演示、图表分析、动态视觉内容等,这类依赖字幕或语音的方案,效果可能就会比较有限。 |
|
Sirius8Feb 9
14
我找过,目前技术还不太行,市面上的都是基于字幕生成笔记,跟 3 楼说的一样,如果视频缺失部分字幕效果就大打折扣
|
|
pandatoolsFeb 9
16
我用的音频转文字,新闻类和历史类的效果其实还不错,deepseek 模型基本可用,性价比挺高的
|
|
louisngFeb 9
17
自己 vibe 了一个,不用看视频,直接用字幕来生成思维导图
https://github.com/louisdwu/auto_mindmap |
|
likooo125802023Feb 9
18
@junwind 先把语音转文字做好就行,这个总简单把
|
|
dreamwy1990Feb 9
19
notebook
|
|
snowsirjjjFeb 9
20
报错了
|
|
snowsirjjjFeb 9
21
@louisng 报错了
|
|
erekFeb 9
22
get 笔记挺方便
|
|
hahastudioFeb 9
23
NotebookLLM
|
|
huaweiiFeb 9 via Android
24
@furlxy 不一定需要每一帧视频都做图像识别。
语意分析视频文字稿,agent 分析出哪些文字稿的哪些上下文依赖于当前时间的画面,就可以按需提取关键帧,少量的截图画面分析就能比纯文字稿多出一大部分信息了。不过即使是这样,多花的 token 也不少,不过如果收费合理的话我可以接受 |
|
hahastudioFeb 9
25
话说现在 YouTube 视频自带 Ask 了
|
|
tyradFeb 9 via iPhone
26
notebookllm 要啥有啥 还能生成播客通勤听
|
|
louisngFeb 10
27
@snowsirjjj #20 啥问题,发去 issue 吧,不过我也是只能问 AI 怎么解决
|