**突破感知广度：团队将音视频理解推向物理世界复杂情境**

_实时理解长视频、听清鸡尾酒会难题，这个团队将视频音频理解推入物理世界复杂情境_

> 尽管大模型在语音、图像和视频等多模态处理上取得进展，但接入更多信息不等于真正理解世界。该团队致力于解决实时理解长视频和处理鸡尾酒会效应等难题，旨在将音视频理解能力从简单的模态识别深化至对物理世界复杂情境的真实理解。

**来源信息**
- **来源**：机器之心：文章库（API）
- **分类**：ai-models
- **发布时间**：2026-07-14 19:08（北京时间）
- **原文**：[打开原文](https://www.jiqizhixin.com/articles/2026-07-14-12)