mirror of
https://github.com/THUDM/CogVideo.git
synced 2025-04-06 03:57:56 +08:00
1.0 KiB
1.0 KiB
视频Caption
通常，大多数视频数据不带有相应的描述性文本，因此需要将视频数据转换为文本描述，以提供必要的训练数据用于文本到视频模型。
通过 CogVLM2-Video 模型生成视频Caption
🤗 Hugging Face | 🤖 ModelScope | 📑 Blog ｜ 💬 Online Demo
CogVLM2-Video 是一个多功能的视频理解模型，具备基于时间戳的问题回答能力。用户可以输入诸如 请详细描述这个视频 的提示语给模型，以获得详细的视频Caption：
用户可以使用提供的代码加载模型或配置 RESTful API 来生成视频Caption。