Tr\u00eas modelos de IA foram avaliados para entender conte\u00fados de v\u00eddeos, tanto de YouTube quanto de arquivos locais. O teste envolveu v\u00eddeos sem \u00e1udio e com diferentes formatos. O objetivo foi verificar se as IA conseguem interpretar cenas, a\u00e7\u00f5es e contextos sem depender apenas de metadados.<\/p>\n
O experimento utilizou os modelos Gemini, ChatGPT e Claude para analisar tr\u00eas v\u00eddeos distintos. Um deles \u00e9 um v\u00eddeo sobre o processo cient\u00edfico de t\u00eampera, publicado no YouTube. Outro mostra um teste de movimento com um drone DJI Neo 2, em MP4. O terceiro \u00e9 um walk-and-talk em MOV, sem \u00e1udio.<\/p>\n
Os resultados indicaram diferen\u00e7as relevantes entre as plataformas. Claude n\u00e3o conseguiu processar conte\u00fado de v\u00eddeo diretamente, seja de links ou de arquivos locais. Gemini funcionou bem em navega\u00e7\u00e3o via navegador e lidou com YouTube, MP4 e MOV. ChatGPT exigiu ajuda do Codex para atividades mais avan\u00e7adas.<\/p>\n
Gemini: a interface web reconheceu formatos de v\u00eddeo e entregou descri\u00e7\u00f5es detalhadas de cenas, incluindo o teste com gestos para o drone. Tamb\u00e9m conseguiu sugerir frames para thumbnails com base no conte\u00fado, embora a gera\u00e7\u00e3o de imagens n\u00e3o fosse perfeita.<\/p>\n
ChatGPT: com Codex, abriu possibilidades de leitura de arquivos locais e cria\u00e7\u00e3o de c\u00f3digo para baixar v\u00eddeos, transcrever \u00e1udio e interpretar contextos. Mesmo assim, houve limita\u00e7\u00f5es com v\u00eddeos muito grandes e com streams diretos de YouTube, sem suporte nativo.<\/p>\n
Claude: permaneceu indispon\u00edvel para processamento direto de v\u00eddeo, n\u00e3o lendo links nem arquivos de v\u00eddeo. A limita\u00e7\u00e3o foi destacada como principal obst\u00e1culo para uso nessa tarefa.<\/p>\n
O teste utilizou v\u00eddeos com diferentes formatos e tamanhos: YouTube, MP4 de 625 MB e MOV de 1,65 GB. O objetivo foi verificar se h\u00e1 necessidade de metadados ou transcripts para entender o conte\u00fado. A express\u00e3o watch funcionou como indica\u00e7\u00e3o de an\u00e1lise direta pelo usu\u00e1rio.<\/p>\n
No drone test, Gemini reconheceu que n\u00e3o havia \u00e1udio e identificou o gesto com as m\u00e3os como forma de orientar a c\u00e2mera do drone. Em outro caso, Gemini reconheceu a estrutura do v\u00eddeo de annealing e identificou pontos espec\u00edficos verbalizados.<\/p>\n
Os autores destacam que as IA podem interpretar v\u00eddeos com rapidez, ainda que as capacidades variem entre as plataformas. A combina\u00e7\u00e3o de ChatGPT com Codex mostrou potencial para tarefas adicionais, como gera\u00e7\u00e3o de thumbnails a partir de frames \u00fateis. Claude ficou atr\u00e1s nesse conjunto.<\/p>\n
Os resultados indicam aplica\u00e7\u00f5es pr\u00e1ticas, como varredura r\u00e1pida de v\u00eddeos de seguran\u00e7a, extra\u00e7\u00e3o de pontos-chave e apoio na produ\u00e7\u00e3o de conte\u00fado audiovisual. A an\u00e1lise completa e as implica\u00e7\u00f5es ficam para desenvolvimentos futuros das ferramentas.<\/p>\n
Fonte: ZDNET<\/p>\n","protected":false},"excerpt":{"rendered":"