待验证50% 置信事实精确时间
VTT（WebVTT）是W3C为HTML5视频制定的标准，在SRT基础上增加了样式标签、定位信息和章节标记能力
1
来源数
50%
置信度
长期有效
时效性
2026/8/24
首次发现
来源
涉及实体
相关事实
待验证代表性Video-LLM模型包括VideoLLaMA、Video-ChatGPT和GPT-4V65% 相似待验证盘古.skill的数据采集流程包括从YouTube视频下载SRT和VTT格式字幕，进行文字转写后作为蒸馏输入源64% 相似待验证GPT-5.6能生成基于WebGL渲染、仅一个HTML文件的3D建筑模型，可在浏览器直接运行63% 相似待验证当前主流 VLM 如 Claude 3 系列、GPT-4V 经过大规模 UI 截图数据训练，能识别界面元素的层级关系62% 相似待验证视觉语言模型（VLM）如GPT-4V、Claude 3系列、Gemini Ultra能以语义层面而非像素层面理解界面，可直接阅读网页截图识别按钮功能和表单字段61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/794213API
curl https://kongchang.com/api/v1/knowledge/claims/794213MCP
get_claim(id=794213)