作者｜畢樂天

來源｜AI先鋒官

這事兒鬧大了。

前兩天，谷歌剛發(fā)了Gemini 3 Pro。

全網(wǎng)都在吹。

說它智商多高，邏輯多強。

大家都覺得，硅谷巨頭又要教做人了。

結(jié)果呢？

屁股還沒坐熱，字節(jié)跳動（ByteDance）悄悄扔了個大炸彈。

這個叫Vidi2的模型，它干了一件事：

在視頻理解這個領域，把谷歌按在地上摩擦。

真的，不夸張。

咱們直接看數(shù)據(jù)。

1. 60分 vs 16分

Vidi2有個核心指標，叫“時空定位”。

聽著挺玄乎？

簡單說就是：“我在視頻里找個人，能不能找準時間，能不能畫準框?！?/b>

在這個考試里：

字節(jié) Vidi2 考了 60.3 分。

谷歌 Gemini 3 Pro 考了 16.6 分。

你沒看錯，不是險勝，是碾壓。

這就好比：

谷歌是個大學教授。

滿腹經(jīng)綸，上知天文下知地理。

你問他：“這部電影講了啥？”

他能給你寫首詩，分析得頭頭是道。

但你問他：“那個穿紅衣服的人，第幾分第幾秒出來的？給我截個圖。”

教授懵了。

他大概率會瞎指一個：“呃...好像在 10 分鐘左右吧？”

結(jié)果全是錯的，而字節(jié) Vidi2 呢？

它就是個干了 20 年的剪輯老師傅。

它不跟你扯虛的。

你要找人？

它直接甩給你一個精確到毫秒的時間軸。

看案例

原視頻

跟蹤到的視頻

原視頻

跟蹤到的視頻

原視頻

跟蹤到的視頻

2. 長視頻？谷歌那是“老年癡呆”

現(xiàn)在的 AI 有個通病。

記性不好。

你給它扔個 1 小時的視頻。

看到后面，它就把前面的忘了。

測試數(shù)據(jù)很打臉：

只要視頻超過 1 小時。

谷歌 Gemini 的準確率直接掉到了21%。

基本就是瞎蒙。

而 Vidi2 表現(xiàn)優(yōu)異。

3. 這個功能，真能“救命”

說了半天技術(shù)，對咱們有啥用？

太有用了。

字節(jié)已經(jīng)把它做進產(chǎn)品里了。

叫Smart Split（智能拆條）。

想象一下這個場景：

你是個博主，今天錄了 2 小時的素材。

累得半死。

還得剪成 5 個短視頻發(fā)抖音。

以前你怎么搞？

導入電腦，從頭看到尾。

一點點剪，一點點修。

一下午沒了。

現(xiàn)在怎么搞？

把 2 小時視頻往里一扔。

輸入：“幫我找找最搞笑的段子?！?/p>

去喝杯咖啡。

回來一看，5 條視頻剪好了。

高光時刻給你挑好了。

橫屏轉(zhuǎn)豎屏給你切好了。

人臉始終在畫面中間（那個 60% 的準確率立功了?。?/p>

連字幕都給你配好了。

這哪里是 AI。

這簡直是免費的剪輯實習生??！

當然也可以體驗一下

下面是

https://bytedance.github.io/vidi-website/

點擊演示

上傳視頻來解讀和查詢

查詢的內(nèi)容

4. 為什么字節(jié)這么猛？

你可能會問：

谷歌那么有錢，算力那么強，為啥輸了？

這里有個大秘密。

谷歌有 YouTube。

它知道大家喜歡看什么。

這能練出很好的推薦算法。

但字節(jié)有抖音和剪映。

它知道大家是怎么剪視頻的。

這才是關鍵！

你在剪映里的每一次操作：

切一刀、刪一段、加個特效...

都在告訴 AI：“這里是重點”、“這里是廢話”。

全世界幾億人，每天都在免費幫字節(jié)“標注數(shù)據(jù)”。

這才是真正的護城河。

谷歌拿著望遠鏡都看不見的那種。

5. 結(jié)語

這次“偷襲”告訴我們一件事：

別迷信大廠。

別迷信大模型。

在這個時代。

誰能干活，誰才是老大。

以后的視頻創(chuàng)作，可能真不需要你會剪輯了。

你只要會說話，會提要求。

剩下的臟活累活？

交給 Vidi2 這種“特種兵”就完事了。

如果你是剪輯師，別慌。

它不是來搶飯碗的。

它是來幫你早點下班的。

掃碼邀請進群，我們帶你一起來玩轉(zhuǎn)ChatGPT、GPT-4、文心一言、通義千問、訊飛星火等AI大模型，順便學一些AI搞錢技能。