比Gemini Pro1.5强！可解读视频的多模态模型​Pegasus-1公测

　　Twelve Labs最新发布了 Pegasus-1的公测版本，这款视频 - 语言基础模型在视频理解领域取得了新突破。

　　Pegasus-1是一款具有约17亿参数的视频 - 语言模型，能够以卓越的准确性和细节处理能力从视频输入中生成语言描述。据称，Pegasus-1视频解读能力比Gemini Pro1.5还要强，通过优质数据、优化视频处理和精细训练等升级，提供卓越的视频理解和生成文本能力。在视频总结、问题回答和对话方面表现卓越。

　　产品特色功能包括：

　　- 数据优化:高质量数据驱动模型表现，100，000个高质量视频 - 文本对训练带来强大基础视频理解能力。

　　- 视频处理提升:优化空间和时间分辨率，使 Pegasus-1能更好地捕捉视频信息。

　　- 训练技术改进:多阶段训练避免灾难性遗忘，使模型在细节、世界知识和时间理解等方面大幅提升。

　　在基准测试中，Pegasus-1在视频问答、对话和摘要等任务中胜过谷歌 Gemini Pro 等现有模型，展现出卓越的性能。无论是零样本表现还是广泛泛化能力，Pegasus-1都站在行业前沿，为视频理解任务设立新标杆。

　　然而，仍需关注模型安全性、视频长度限制和偶发幻觉等方面的改进空间。Pegasus-1的不断进化与创新，为视频理解技术开辟新的可能性。值得一提的是，Pegasus-1未开源，通过API使用