Daily-Omni

新的OmniVideo-100K数据集增强了AI的视听推理能力

研究人员推出了OmniVideo-100K，这是一个旨在提高AI系统视听推理能力的新数据集。该数据集通过使用一个自动化引擎从视频创建结构化脚本，确保了跨片段的一致性并将音频链接到视觉来源，从而解决了当前方法的局限性。这种方法采用了实体锚定视频脚本和线索引导问答生成，在微调VITA-1.5和Qwen2.5-Omni-7B等模型时取得了显著的性能提升。