Molmo2 Video Captioner: AI大規模言語モデル

Molmo2で詳細な動画キャプションを生成。低・中・高から詳細度を選び、時間の流れに沿ったシーン描写や映像の要約を作成できます。料金は5秒単位です。 Molmo2 Video Captionerは、公開動画URLから、単一フレームに映るものだけでなく、時間とともに何が起きるかを追った詳しい文章説明を生成します。被写体、物体、シーンの変化、カメラの動き、相互作用、重要な視覚的文脈を特定できるため、アクセシビリティ向けの代替テキスト、検索可能なメディアライブラリの説明、後続のクリエイティブや自動化ワークフローへの入力として活用できます。簡潔な要約には低、バランスの取れたキャプションには中、時間的な動きやシーン構成をより包括的に記述するには高を選択してください。動画は最大2分まで対応し、APIはキャプションを非同期で返すため、時間のかかる動画分析も本番パイプライン、ワークフローノード、バックグラウンドジョブに無理なく組み込めます。