“发生了什么”苹果APP

还在用 2 倍速刷视频、寻找重点吗？也别再坐在监控前等待结果，别再浪费时间了。

你的视频理解 APP“发生了什么”已正式登陆 App Store。无需看完冗长的视频内容，也无需守在监控前盯着“发生了什么”，AI 一键提取核心逻辑和关键帧，1 分钟掌握原本需要 1 小时才能获得的干货，让 AI 成为你的实时视频监测助手。

把时间还给思考，把视频交给计算机。

曾经有一位朋友对我说：“他说：‘某个人在看视频监控的回放录像时，总能捕捉到细节，总能在看似特征相同的人物或物品中发现不同的特征。为什么他能做到这一点，而其他人却做不到？我想知道差别在哪里。为什么没有使用这样的人才呢？’”

我没有反驳这位朋友，但心中的答案已经很明确：你们的思维都还停留在上个世纪。以数字信息化技术产业为基石、以人工智能技术为先导的 21 世纪，依靠的是数字算力推动社会发展，而不是人力。

如果每一位视频分析工作者、每一种不同业务场景下的视频工作，每次视频分析都依赖人眼识别，那么我告诉大家，人眼会存在很大误差，也会疲劳，更需要耗费大量人力和时间才能完成视频工作。

全世界各行各业涉及视频分析、处理和加工的行业与岗位，小到民间、广到行业、深到生态领域、大到国家支柱，其覆盖面的广度和深度都超出我们的想象。当我们还在依靠人力处理、辨别视频资料时，在如今的大数据时代，当海量非结构化视频数据扑面而来时，当我們感到疲惫、耗时，再也无法长时间依靠人眼精确捕捉视频中的细节时，

Whatshappend APP 就这样诞生了。它运用 21 世纪最先进的数字化技术，通过计算机高效地告诉我们，视频里究竟发生了什么！Whatshappend APP 是一款以移动应用软件开发这一 21 世纪数字信息化技术为基石，以 21 世纪人工智能先导技术 Agent 架构

LLM+Langchain+Langgraph+rag+Llamalndex+skill+MLLM 为技术栈的视频分析应用。

用户上传视频后，系统通过 qwen3-asr-flash-realtime 将用户输入的语音转换成文字，并显示在对话页面中，再由 Agent 通过 deepseek-v3.2-thinking 大模型理解语义。它根据用户的问题和需求，使用阿里 qwen3-vl-plus 大模型分析视频元素，使用 yolo12 深度学习模型分析物品和人物姿态，并通过 qwen3-tts-instruct-flash-realtime 转换为语音输出。该应用整合了 4 款大语言模型和 1 款深度学习模型，以应用软件的形式，完成了从由人回看、分析海量且耗时的视频，到由计算机帮助人类分析视频数据的数智转型和产业变革。