[控场AI]
待验证50% 置信事实精确时间

EgoOmniWorld 的评测对象是能够同时处理视频、音频、文本的多模态大语言模型。

1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现

来源

EgoOmniWorld：以自我-动作-世界交互统一第一人称视频理解

涉及实体

EgoOmniWorldconceptMLLMconcept

相关事实

待验证多模态（Multimodal）指模型能够同时理解和生成文本、图像、音频、视频等多种类型的信息68% 相似待验证字节跳动的豆包面向国内用户提供多模态AI助手能力，整合文本、图像、语音等交互方式66% 相似待验证多模态输入指模型支持文本、语音、图像等多种类型内容的能力66% 相似待验证视频内容的多模态理解需要综合运用语音转文字、场景识别、物体检测等能力66% 相似已验证多模态大模型能够同时处理图像、视频帧与文本，并在这些模态之间建立语义关联65% 相似

引用此条事实

Stable URI
https://kongchang.com/claim/1024014
API
curl https://kongchang.com/api/v1/knowledge/claims/1024014
MCP
get_claim(id=1024014)