Skip to content

视频理解 5.5.0(仅 Alife 5.1.0+,5.0.x 请勿更新)

Choose a tag to compare

@presents0721 presents0721 released this 24 Oct 18:41
· 2 commits to main since this release

⚠️ 兼容性(重要,请先看)

  • 本版仅适用于 Alife 5.1.0 及以上。
  • Alife 5.0.x 及更早版本请勿安装、也请勿更新到本版:5.0.x 会因缺少新命名空间而编译失败,请继续用 5.0.0;4.x 请继续用 4.9.6。
  • 版本号规则:插件主版本 = 能用的 Alife 主版本。市场只按「插件主版本 ≤ 客户端主版本」筛选,所以 5.x 客户端都会看到本版;5.1.0 以下请手动忽略本次更新。

本版改动(4.0.0 → 5.5.0)

  • 抽帧从纯均匀改为「均匀锚点 + 画面关键帧 + 语音起始点」混合取点:关键帧优先吸附锚点,未吸附的关键帧全部并入,相距 0.5 秒内合并;关闭概览时仍退回纯均匀取点。
  • 概览图改用同一批关键帧拼接,超过单张容量时按时间切成多张(默认最多 4 张),不再重复拉流、重复解码。
  • 新增内容场景预设:日常轻松 / 通用均衡 / 技术分享 / 论文讲解 / AI 日报,一次性写入采样帧率、帧数、分辨率、描述字数、概览、上下文、并发、提示词与报告开关;预设值可手改,手改后识别为自定义。
  • 信息密集内容(技术分享 / 论文 / AI 日报)自动抬高描述字数与输出 token 下限(≥2048),避免「看到了却写不下」。
  • 视觉提示词加固:看不清的文字、数字、公式一律写「无法辨认」,只描述确实看见的内容,减少模型编造。
  • 声学侦察升级:静音 / 纯音 / 音乐不再放行语音识别;新增语音起始点检测用于抽帧对齐;复读幻觉过滤阈值收紧(≥3 次,或 ≥8 字出现 2 次)。
  • 适配 Alife 5.1.0 的 Vision / Auditory 命名空间,manifest 依赖同步更新。