"Quero ver a cena em que Nezha e Ao Bing enfrentam juntos a calamidade celestial." Assim que o visitante falou, a tela à sua frente começou a mostrar nuvens escuras se agitando, enquanto raios destrutivos rugiam como dragões, atingindo a Passagem de Chentang.
Essa cena ocorreu na abertura da Conferência Mundial de Inteligência Artificial (WAIC) de 2026, em 17 de julho. No estande interativo de Video AI Agent da empresa Whensoft, muitos visitantes faziam fila para experimentar essa nova forma de interação com vídeos.
Diferente da busca tradicional por vídeos, o visitante não precisa digitar o nome do filme ou palavras-chave, nem arrastar repetidamente a barra de progresso. Mesmo que se lembre apenas de um ator, uma fala ou uma cena clássica, basta descrever em linguagem natural para que o Video AI Agent entenda rapidamente a intenção do usuário e localize com precisão o trecho correspondente e o momento exato.
Por exemplo, comandos como "Quero ver o último episódio de 'A Ascensão' " ou "Encontre o filme mais recente de Zhang Yimou" são respondidos rapidamente. Durante a reprodução, o usuário também pode fazer perguntas sobre o conteúdo da cena a qualquer momento, realizando verdadeiramente um "assistir e conversar".
"Comparado aos modelos de linguagem baseados em texto, a dificuldade dessa tecnologia está no fato de que as informações contidas nos vídeos são mais complexas", explicou um funcionário da Whensoft. Além das imagens em si, os vídeos incluem informações multimodais ricas, como personagens, cenários, ações, música e legendas. Como fazer a IA realmente entender esses conteúdos e localizar com precisão o trecho desejado pelo usuário é o desafio central da interação com vídeos por IA.
Para isso, o Video AI Agent apresentado pela Whensoft integra capacidades de compreensão multidimensional e interação semântica em múltiplas rodadas, permitindo analisar profundamente personagens, cenários, eventos e suas relações contextuais, elevando a tradicional "busca por vídeos usando texto" para um "diálogo direto com o vídeo". Ao mesmo tempo, apoiando-se na vasta experiência da Whensoft no setor audiovisual e em parcerias ecológicas estabelecidas com plataformas de produção de conteúdo, o modelo pode otimizar continuamente suas capacidades de compreensão e recuperação, fornecendo suporte para uma interação com vídeos mais precisa e natural.
"Nosso Video AI Agent pode parecer apenas uma mudança na forma de buscar vídeos, mas na verdade altera a lógica de interação entre as pessoas e os vídeos", afirmou o funcionário da Whensoft.
Por muito tempo, o vídeo foi mais um suporte de conteúdo de reprodução passiva, onde os usuários dependiam de buscas por palavras-chave, seleção em menus ou localização manual para obter o conteúdo desejado. Com o desenvolvimento dos modelos multimodais de grande escala, o vídeo está evoluindo de um suporte de conteúdo plano para um espaço de informação compreensível, pesquisável e acionável.
Com o Video AI Agent, elementos como personagens, cenários e eventos nos vídeos tornam-se unidades de informação compreensíveis e pesquisáveis. O usuário não enfrenta mais apenas um player, mas um ponto de entrada interativo inteligente que entende o conteúdo e mantém um diálogo contínuo, permitindo uma interação mais profunda com o conteúdo do vídeo.
Muitos visitantes comentaram após a experiência: "É muito prático, perfeito para mim, que sempre esqueço o nome do filme, mas me lembro da história." "Agora, quando não sei o que assistir, é só pedir ao Agent para recomendar algo com base no meu humor." Em comparação com o passado, quando era necessário buscar por palavras-chave e arrastar repetidamente a barra de progresso para encontrar um trecho, agora basta uma frase para encontrar o conteúdo desejado. Essa forma de interação é mais natural e mais alinhada aos hábitos cotidianos.
Segundo informações, a Whensoft já introduziu esse Video AI Agent em cockpits inteligentes, permitindo que motoristas obtenham trechos de vídeo desejados por comando de voz dentro do carro, aproveitando ao máximo o tempo ocioso, como estacionamento e paradas, para desfrutar de entretenimento.
Comentários (0)
Deixe um comentário