Stream 开源 Vision Agents 视频智能体框架

Stream 开源了 Vision Agents 多模态视频 AI 智能体框架，开发者可通过 uv add vision-agents 安装，并可从 Stream 获取免费 API key。该框架可组合 YOLO、Roboflow 等视觉模型与 Gemini、OpenAI 的实时模型，用于构建能观看、聆听和理解视频的智能体。 Stream 称，开发者每月可获得 333,000 参与者分钟，并可通过 Maker Program 获取额外额度。该框架同时提示了视频 AI 的局限：模型识别小字容易出错，可能虚构比分、标牌等内容；在约 30 秒以上的连续视频理解中，上下文会退化。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。