Video Engineering · Phần 4 — Metadata, màu sắc và audio layout
Phân tầng format/stream/frame metadata; đọc rotation, SAR/DAR, color tags, audio layout, language và disposition bằng fixture FFmpeg có hai audio track.
Filter/Tag
#audio
2 entries
-
-
Multimodal LLM — Cách AI thực sự "thấy" image, "nghe" audio, "xem" video
Giải thích từ first principles cách một model chỉ hiểu token lại "thấy" được ảnh, "nghe" được tiếng: patch tokenization, CLIP, projection layer, 3 kiểu fusion, dataflow, trade-off, ví dụ production thật, và khi nào KHÔNG nên dùng.