视频
WorldSense
WorldSense是由小红书与上海交通大学联合开发的多模态基准测试工具,用于评估大型语言模型在现实场景中对视频、音频和文本的综合理解能力。该平台包含1662个同步视频、3172个问答对,覆盖8大领域及26类认知任务,强调音频与视频信息的紧密耦合。所有数据经专家标注并多重验证,确保准确性。适用于自动驾驶、智能教育、监控、客服及内容创作等多个领域,推动AI模型在多模态场景下的性能提升。
VisionStory
VisionStory 是一款创新的 AI 应用,能够将用户上传的人物图片转换成高清的数字人。只需简单几步操作,即可获得一个能够根据输入的文案或音频进行口播的数字人视频
