现在有哪些支持实时视频/视觉的大模型？

[mmdsun]

请问现在国内外有哪些支持实时视频视觉的大模型 API ，大家有推荐的吗？(优先国内模型 海外也行)

就像之前 Openai 发布会那种，可以视频通话，实时对话那种的。
或者 Copilot Pro 那种，实时捕获电脑桌面,指导用户玩游戏的。

想用他们分析视频流，分析结果输出 json 等格式存储，不知思路是否可行。谢谢。

[hwdq0012]

视频也是拆成单帧送去推理的，ultraclity yolo 这种不算什么大模型吧，但是能把视频做成结构化数据，再用大模型加工

[suke119]

Qwen2.5-Omni . 千问的 ai 对话那里点击 有个实时视频对话

[Qwen2.5-Omni 和 minicpm-v 对比]( https://stable-learn.com/zh/qwen-omni-vsminicpm-v/)