연구진이 실시간 동영상 이해 모델 성능을 평가하는 새로운 벤치마크 'OmniPro'를 공개했어요. OmniPro는 시각 정보뿐 아니라 음성 신호도 활용하며, 모델이 스스로 응답 시점을 결정하는 온라인 평가 방식을 도입했어요. 11개 모델 평가 결과, 음성 정보 활용은 성능 향상에 기여하지만, 모델별 활용 수준은 차이가 크고, 시간 경과에 따른 성능 저하, 비음성 음향 인식의 어려움이 확인됐어요.