लेख में वीडियोप्रिज़्म नामक एक वीडियो एन्कोडर की जानकारी दी गई है, जिसे गूगल के अनुसंधान टीम ने विकसित किया है। यह मॉडल विभिन्न वीडियो समझ कार्यों में एकल मॉडल का उपयोग करके उन्नत प्रदर्शन हासिल कर सकता है, जिसमें वीडियो वर्गीकरण, स्थान निर्धारण और उपशीर्षक उत्पन्न करना, यहां तक कि वीडियो से संबंधित प्रश्नों के उत्तर देना शामिल है। प्रशिक्षण विधि में तीन चरण शामिल हैं: विविध वीडियो प्रदर्शित करना, उच्च गुणवत्ता वाले वीडियो-उपशीर्षक जोड़े का उपयोग करना और शोर के साथ समानांतर पाठों के साथ मॉडल को प्रशिक्षित करना। प्रशिक्षण डेटा की मात्रा विशाल है, जिसमें 36 मिलियन उच्च गुणवत्ता वाले डेटा और 5820 मिलियन डेटा जोड़े शामिल हैं। वीडियोप्रिज़्म आधारित।