待验证50% 置信权衡取舍精确时间

文本字幕相比原始视频帧占用的token极少、易于存储和检索、可以跨查询重复使用

1

来源数

50%

置信度

长期有效

时效性

2026/9/17

首次发现

来源

CapMem：用文本字幕解决长视频情景记忆的新基准

涉及实体

文本字幕concept

相关事实

待验证基于字幕的检索可能遗漏视频中的视觉信息79% 相似待验证Perplexity视频模式依赖YouTube的字幕/转录文本进行语义切分和摘要，而非真正对视频帧进行多模态理解，因此对无字幕视频覆盖能力大幅下降75% 相似待验证按照信息保真度定义，高质量字幕应最大化对视频内容的覆盖，同时避免引入视频中不存在的错误内容71% 相似待验证现有视频字幕评估方法大多只给出一个笼统的分数，无法对字幕质量做细粒度拆解分析69% 相似待验证硬字幕在视频编码阶段被渲染到画面像素中，成为视频图像的一部分，无法通过常规手段分离，只能通过OCR提取69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/928370

API

curl https://kongchang.com/api/v1/knowledge/claims/928370

MCP

get_claim(id=928370)