待验证50% 置信事实精确时间

DigUp 能将文本、图像、音频和视频映射到同一个向量空间，实现跨媒介的语义检索

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/10

首次发现

有效期至：2027/1/8

来源

DigUp：本地运行EmbeddingGemma 2的Mac语义搜索工具

涉及实体

相关事实

待验证DigUp 将音频和视频切分为 30 秒窗口，每个镜头取一帧，再统一编码进向量空间71% 相似待验证该工作流提供潜在空间上采样功能，支持对拼接后的完整视频进行精细化处理69% 相似已验证CLIP模型能将图片和文字映射到同一向量空间，实现跨模态检索68% 相似待验证剪映是字节跳动旗下的视频编辑工具，内置语音识别功能并与抖音生态深度整合66% 相似待验证多模态大模型的核心技术突破在于跨模态对齐，通过CLIP等对比学习方法将图像、音频、视频映射到与文本共享的语义空间66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/994686

API

curl https://kongchang.com/api/v1/knowledge/claims/994686

MCP

get_claim(id=994686)