Rumi Labs

Rumi Labs là một công ty truyền thông AI biến việc xem video thụ động thành trải nghiệm tương tác. Hoạt động cốt lõi của công ty là một tiện ích mở rộng trình duyệt và ứng dụng máy tính để bàn chạy mô hình ngôn ngữ-thị giác cục bộ trên thiết bị của người dùng, lập chỉ mục những gì họ xem mà không ghi hình hay lưu trữ video. Người dùng kiếm điểm cho các đóng góp xem hợp lệ, giúp huấn luyện mô hình trí tuệ văn hóa của công ty. Lợi thế chính của công ty là kiến trúc VLM độc quyền, vượt trội Gemini 2.5 Pro trong các tác vụ hiểu tường thuật trong khi nhỏ hơn 100 lần. Công ty sử dụng phương pháp Hỗn hợp chuyên gia "Trí tuệ tường thuật" để nhận diện mối quan hệ, quan hệ nhân quả và bối cảnh cảm xúc trong nội dung hình ảnh. Rumi cũng vận hành một mạng lưới phi tập trung cho phép truy cập hợp pháp vào nội dung truyền thông có bản quyền mà các phòng thí nghiệm AI tập trung không thể tiếp cận. Điểm đau của thị trường là hàng triệu giờ nội dung truyền thông được bảo vệ sở hữu trí tuệ vẫn chưa được AI khai thác do ràng buộc bản quyền, mặc dù mọi người dành khoảng 4 giờ mỗi ngày để xem nội dung. Rumi giải quyết điều này bằng cách chạy xử lý AI trên thiết bị của người dùng, tôn trọng sở hữu trí tuệ đồng thời cho phép quảng cáo theo ngữ cảnh, tính năng tương tác và phân tích sâu về lượng người xem. Trong sáu tháng qua (tháng 3–tháng 9 năm 2026), Rumi đã phát triển ứng dụng máy tính để bàn và mở rộng mạng lưới VLM phân tán, cho phép các máy tính thông thường tham gia lập chỉ mục nội dung truyền thông. Công ty cũng đã phát hành một số mô hình liên quan đến âm thanh trên Hugging Face, bao gồm các mô hình chuyển văn bản thành giọng nói và chuyển âm thanh-văn bản thành văn bản, cho thấy sự mở rộng vượt ra ngoài khả năng hiểu nội dung hình ảnh.