待验证50% 置信解决方案精确时间
CapMem 提出将长视频内容转写成文本字幕（caption），作为一种可复用的情景记忆载体，用于长视频情景推理
1
来源数
50%
置信度
长期有效
时效性
2026/9/17
首次发现
来源
涉及实体
相关事实
待验证CapMem 定义了新任务：情景记忆视频字幕问答（Episodic Memory Video Caption QA）73% 相似待验证剪映（CapCut）由字节跳动开发，在视频剪辑赛道占据主导地位69% 相似部分验证参考图生视频工作流支持参考图片、视频、音频输入，演示中口型与音频高度同步68% 相似待验证Capslane是一个YouTube字幕API服务，当视频存在原生字幕时直接返回，当字幕缺失时自动生成带时间戳的转录文本67% 相似待验证图像条件化方案通常借助CLIP视觉编码器（ViT架构）将参考图映射到与文本嵌入共享的语义空间，再通过交叉注意力（Cross-Attention）机制将视觉特征注入UNet的去噪过程66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/928362API
curl https://kongchang.com/api/v1/knowledge/claims/928362MCP
get_claim(id=928362)