हाल ही में, नेशनल यूनिवर्सिटी ऑफ सिंगापुर के वेंयी यु और उनकी टीम ने एक नई तकनीक video-SALMONN पेश की है, जो केवल वीडियो में दृश्य फ़्रेम अनुक्रम, ऑडियो घटनाओं और संगीत को समझने में सक्षम नहीं है, बल्कि यह वीडियो में वॉइस कंटेंट को भी समझने में सक्षम है। इस तकनीक का विकास मशीनों को वीडियो सामग्री को समझाने की दिशा में एक महत्वपूर्ण कदम है।