12:17
官方账号arXiv cs.AI@Seung Hyun Hahm, Minh T. Dinh, SouYoung Jin
推荐理由：这个框架不用训练就能让AI给长视频生成连贯的旁白，特别适合帮助视障观众理解剧情。
视频语言模型
共 1 条相关 AI 资讯
7月14日
12:17
StoryTeller 是一种无需训练的框架，用于长格式音频描述（AD），可保留角色、事件和故事上下文。它维护经过验证的叙事记忆，跨场景传递故事相关信息，无需字幕、脚本或微调。在标准 AD 基准和多种长视频上，StoryTeller 在自动评估、QA 评估和人工评估中一致提升了叙事连贯性和事实准确性。作者还引入了 StoryAD-QA 基准来测试生成描述的故事理解能力。