DirCast：用单一流式视频语言模型实现电竞直播导播与解说
DirCast是一种流式视频语言模型，旨在为电竞直播同时进行导播和解说。模型每秒扫描各选手的摄像机画面，选择播出视角，再对所选画面进行解说。研究团队构建了包含27场职业《Dota 2》比赛的数据集，涵盖选手摄像机画面、人工导播选择和解说内容。DirCast的导播表现优于基于规则和零样本的系统，包括GPT-5。在采用Proact-VL协议的比较中，29.2%的评测偏好DirCast的解说，而非GPT-4o。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。