VIVID:面向智能体视频编辑的视觉工具集
arXiv — cs.AI ·
你需要知道
VIVID 是一个视觉工具集,无需额外模型训练即可让通用编码智能体执行视频编辑,提供视频检查、音频分析和带时间坐标的转录工具。在 AgenticVBench(100 个任务)上,Codex 搭配 VIVID 的平均得分为 58.6%,比原生 Codex 提高 20.2 个百分点;Claude Code 和 OpenCode 分别达到 55.1% 和 37.1%,均显著超过其原生基线。
来源与证据
arXiv — cs.AI原文语言 · und ·原作者:Wenhan Yu, Zhaoxi Zhang, Zhilong Tan, Weikang Li, Lei Sha · Source: arXiv and the named paper authors. Descriptive metadata: CC0 1.0.来源许可
各行业推荐理由
- 人工智能
该工作将编码智能体与视频编辑这一关键多模态应用相结合,并在多个智能体框架上展示显著性能提升,对 AI 模型与智能体开发具有直接参考价值。
这里提供经过审核的摘要,完整文章请前往原始来源。