【記者蔡富丞/柯妮妮 綜合報導】另一項近期受到關注的發展，來自Meta在影音理解領域的最新框架Ego-Video，主打讓AI能理解「第一人稱視角」影片內容。
這類影片（如穿戴式裝置或日常紀錄）具有高度動態與不穩定視角，過去模型難以準確解析。Ego-Video則透過專門設計的時間與視角建模方式，使AI能辨識使用者行為、互動與環境變化。
這項技術的重點，不在生成畫面，而在「理解影片正在發生什麼」。系統可分析動作流程、物件互動與情境變化，進一步應用於智慧助理、AR裝置與內容整理等場景。
對企業而言，這代表影音資料不再只是被觀看，而是可被解析與利用。例如零售、教育與訓練領域，都能透過此類技術提升效率。
可以觀察到，影音AI正從生成導向，逐步擴展至理解與應用層。當模型能真正理解影像內容，未來平台價值將不只是創作，而是資訊處理與決策支援能力。