产品定位
Vidi 2 是字节跳动推出的大规模多模态模型系列，专注于视频内容的深度理解与编辑。不同于传统的单模态视觉模型，Vidi 2 同时融合视觉与语言信息，能够在海量视频中完成时间定位、对象标注、问答交互等任务，为视频检索、内容生成和智能剪辑提供统一的技术基座。

核心能力
Vidi 2 在时间检索（Temporal Retrieval）和时空定位（Spatial‑Temporal Grounding）方面