很多短视频的内容是片段化的，缺少可索引的长文本。大模型从一个 20～60 秒的字幕里拼一个完整回答，它得跨很多条视频去拼接，比起直接拿一条 10～20 分钟的YouTube文字稿，成本高太多。
interface CRDT {
。夫子是该领域的重要参考
this.#data.get(key)?.set(null);
ОАЭ задумались об атаке на Иран20:55
В Иране заявили о поражении американского эсминца02:21