由DeepMind和Google Brain合併的大型人工智能(AI)團隊Google DeepMind，最新分享其研發的視覺語言模型(visual language model，VLM)「Flamingo」（火烈鳥），如何為YouTube Shorts短片生成內容描述，有助提高短片的曝光度。
DeepMind去年一則網誌提到，「Shorts只需數分鐘內就能製作出來，往往沒有包含描述和有用標題，要搜尋它們變得比較困難」。火烈鳥模型透過分析一條短片的初始影格，解釋發生何事來作出描述，DeepMind以一隻狗頭頂著一疊餅乾作為例子。文字描述將被儲存為元數據(metadata)，「更好對短片進行分類，並將搜尋結果與觀眾查詢進行匹配」。
這解決了一個真正問題。Google DeepMind業務長默多克(Colin Murdoch)向科技新聞網站The Verge表示，對於Shorts來說，創作者有時沒有加入元數據，是因為製作短片的程序比製作長視頻更精簡。YouTube Shorts產品管理主任謝曼(Todd Sherman)補充，在Shorts短片主要出現的動態頁面上，人們只會迅速滑過去看下一部，而非主動去看它們，因此創作者沒有太多動機加入元數據。
謝曼說︰「這款火烈鳥模型有理解這些短片和提供我們描述文字的能力，對於我們一直在尋找這種元數據的系統來說真的很有價值。它(模型)容許它們更有效地理解這些短片，繼而在用戶尋找時能夠作出匹配。」
這些產生的描述不會面向用戶。謝曼解釋，這些是幕後的元數據，「不會向創作者展示，投入很多努力確保這是準確的」。當被問及谷歌如何確保這些描述是準確時，謝曼回答，「所有描述文字將與我們責任標準一致，非常不可能產生以負面角度描述短片的描述文字，那完全不是我們預期的結果」。
DeepMind 發言人表示，火烈鳥模型已為新上傳的Shorts短片自動產生描述文字，也有用於大量現有短片，包括觀看次數最多的那些。本報訊
