muapi Logomuapi Logo
muapi Logomuapi Logo

Molmo2 Video Captioner: โมเดลภาษาขนาดใหญ่ของ AI

สร้างคำบรรยายวิดีโออย่างละเอียดด้วย Molmo2 เลือกระดับรายละเอียดต่ำ ปานกลาง หรือสูง เพื่ออธิบายฉากตามช่วงเวลาและสรุปภาพ จ่ายตามทุก 5 วินาที. Molmo2 Video Captioner เปลี่ยน URL วิดีโอสาธารณะให้เป็นคำอธิบายแบบข้อความโดยละเอียด ซึ่งติดตามเหตุการณ์ที่เกิดขึ้นตามเวลา ไม่ใช่เพียงสิ่งที่ปรากฏในเฟรมเดียว โมเดลระบุบุคคล วัตถุ การเปลี่ยนฉาก การเคลื่อนกล้อง ปฏิสัมพันธ์ และบริบทภาพที่สำคัญได้ จึงใช้เป็นข้อความ alt เพื่อการเข้าถึง คำอธิบายคลังสื่อที่ค้นหาได้ หรืออินพุตสำหรับเวิร์กโฟลว์งานสร้างสรรค์และระบบอัตโนมัติขั้นถัดไปได้ เลือกรายละเอียดต่ำเพื่อสรุปสั้น ๆ ปานกลางเพื่อคำบรรยายที่สมดุล หรือสูงเพื่อบันทึกการกระทำตามเวลาและโครงสร้างฉากอย่างครอบคลุม คลิปยาวได้สูงสุดสองนาที และ API ส่งคำบรรยายกลับแบบอะซิงโครนัส ทำให้การวิเคราะห์วิดีโอที่ใช้เวลานานทำงานร่วมกับไปป์ไลน์โปรดักชัน โหนดเวิร์กโฟลว์ และงานเบื้องหลังได้อย่างราบรื่น

การควบคุมโมเดลแบบโต้ตอบ

สร้างคำบรรยายวิดีโออย่างละเอียดด้วย Molmo2 เลือกระดับรายละเอียดต่ำ ปานกลาง หรือสูง เพื่ออธิบายฉากตามช่วงเวลาและสรุปภาพ จ่ายตามทุก 5 วินาที

📝

ภาพรวม

เกี่ยวกับรุ่นนี้

Molmo2 Video Captioner เปลี่ยน URL วิดีโอสาธารณะให้เป็นคำอธิบายแบบข้อความโดยละเอียด ซึ่งติดตามเหตุการณ์ที่เกิดขึ้นตามเวลา ไม่ใช่เพียงสิ่งที่ปรากฏในเฟรมเดียว โมเดลระบุบุคคล วัตถุ การเปลี่ยนฉาก การเคลื่อนกล้อง ปฏิสัมพันธ์ และบริบทภาพที่สำคัญได้ จึงใช้เป็นข้อความ alt เพื่อการเข้าถึง คำอธิบายคลังสื่อที่ค้นหาได้ หรืออินพุตสำหรับเวิร์กโฟลว์งานสร้างสรรค์และระบบอัตโนมัติขั้นถัดไปได้ เลือกรายละเอียดต่ำเพื่อสรุปสั้น ๆ ปานกลางเพื่อคำบรรยายที่สมดุล หรือสูงเพื่อบันทึกการกระทำตามเวลาและโครงสร้างฉากอย่างครอบคลุม คลิปยาวได้สูงสุดสองนาที และ API ส่งคำบรรยายกลับแบบอะซิงโครนัส ทำให้การวิเคราะห์วิดีโอที่ใช้เวลานานทำงานร่วมกับไปป์ไลน์โปรดักชัน โหนดเวิร์กโฟลว์ และงานเบื้องหลังได้อย่างราบรื่น

1การช่วยการเข้าถึง: สร้างข้อความอธิบายวิดีโอเพื่อให้ผู้ใช้โปรแกรมอ่านหน้าจอเข้าใจเรื่องราวจากภาพ
2คลังสื่อ: สร้างคำอธิบายและแท็กที่ค้นหาได้สำหรับคลิปวิดีโอที่อัปโหลดจำนวนมาก
3การดำเนินงานด้านคอนเทนต์: สรุปฟุตเทจก่อนตัดต่อ ตรวจทาน เผยแพร่ หรือประมวลผลงานสร้างสรรค์ขั้นถัดไป
4ตรวจสอบคุณภาพวิดีโอ: ตรวจดูการกระทำ การเปลี่ยนฉาก วัตถุ และบริบทภาพในคลิปที่สร้างขึ้นหรือผู้ใช้ส่งมา
5ระบบเวิร์กโฟลว์อัตโนมัติ: ส่งคำบรรยายไปยังโหนดข้อความ การค้นหา หรือการสร้างคอนเทนต์อื่นได้โดยไม่ต้องตรวจทานด้วยตนเอง
💰

ราคาและความคุ้มค่า

การวิเคราะห์ต้นทุน

muapiapp$0.006 minimum; $0.010 per 5s

คิดค่าบริการตามระยะเวลา โดยมีขั้นต่ำสามวินาทีและสูงสุด 120 วินาที

** ราคาของคู่แข่งประเมินโดยพิจารณาจากสถาปัตยกรรมโมเดลและระดับการใช้งานที่คล้ายคลึงกัน

⚙️

รายละเอียดทางเทคนิค

สคีมาการกำหนดค่า

URL วิดีโอstring

Public video URL to caption. Supports common video formats and a maximum duration of 2 minutes.

ค่าเริ่มต้นhttps://interactive-examples.mdn.mozilla.net/media/cc0-videos/flower.mp4
Detail Levelอีนัม (3 ตัวเลือก)

Caption detail: low for a brief summary, medium for a balanced description, or high for comprehensive temporal and visual detail.

ค่าเริ่มต้นmedium
📖

คู่มือการใช้งาน

เอกสารสำหรับนักพัฒนา

สร้างคำบรรยายวิดีโอ

ส่งคำขอ POST ไปที่ /api/v1/molmo2-video-captioner พร้อม video_url ที่เข้าถึงได้สาธารณะ และระบุ detail_level เป็น low, medium หรือ high ได้ตามต้องการ API จะส่ง request_id กลับมา ให้เรียก /api/v1/predictions/{id}/result ซ้ำจนกว่า status จะเป็น completed หรือระบุ URL ของ webhook เพื่อรับผลแบบอะซิงโครนัส

curl -X POST "https://api.muapi.ai/api/v1/molmo2-video-captioner"
-H "x-api-key: YOUR_API_KEY"
-H "Content-Type: application/json"
-d '{ "video_url": "https://example.com/video.mp4", "detail_level": "medium" }'

เมื่อประมวลผลเสร็จ คำบรรยายที่สร้างจะอยู่ในอาร์เรย์ outputs คลิปมีความยาวได้สูงสุด 120 วินาที.

❓

คำถามทั่วไป

คำถามที่พบบ่อย

Molmo2 Video Captioner ส่งผลลัพธ์อะไรกลับมา?

ส่งคำบรรยายข้อความที่อธิบายบุคคล วัตถุ การกระทำ การเปลี่ยนฉาก การเคลื่อนกล้อง และบริบทภาพที่เกี่ยวข้องในวิดีโอ

รองรับอินพุตวิดีโอแบบใด?

ส่ง URL วิดีโอที่เข้าถึงได้สาธารณะใน video_url รองรับรูปแบบวิดีโอทั่วไป และอินพุตมีความยาวสูงสุดสองนาที

รายละเอียดระดับ low, medium และ high ต่างกันอย่างไร?

ระดับ low ให้สรุปสั้น ๆ ระดับ medium ให้คำอธิบายที่สมดุล และระดับ high ให้รายละเอียดการกระทำตามเวลาและรายละเอียดภาพอย่างครอบคลุมกว่า

คำขอสร้างคำบรรยายทำงานแบบ synchronous หรือไม่?

คำขอทำงานแบบอะซิงโครนัส ส่งวิดีโอเพื่อรับ request_id แล้วเรียก endpoint ผลลัพธ์ซ้ำ หรือระบุ URL ของ webhook เพื่อรับคำบรรยายเมื่อเสร็จ

คำนวณราคาอย่างไร?

คิดค่าบริการตามความยาววิดีโอที่ $0.010 ต่อทุกห้าวินาที โดยมีขั้นต่ำ $0.006 สำหรับวิดีโอไม่เกินสามวินาที และคิดความยาวสูงสุด 120 วินาที

ใช้โมเดลนี้ในเวิร์กโฟลว์ได้ไหม?

ได้ โมเดลพร้อมใช้งานเป็นโหนดเวิร์กโฟลว์ที่ส่งออกข้อความ จึงนำคำบรรยายไปใช้ต่อในขั้นตอนการเขียน การค้นหา การจัดประเภท หรือการเผยแพร่ได้