Rumi Labs

Rumi Labs是一家AI媒体公司，将被动观看视频转化为互动体验。其核心业务是浏览器扩展和桌面应用，在用户设备本地运行视觉语言模型，索引观看内容而不录制或存储视频。用户通过有效观看贡献获得积分，这些贡献用于训练公司的文化智能模型。

公司的关键优势是自研的视觉语言模型架构，在叙事理解任务上超越Gemini 2.5 Pro，同时体积小100倍。它采用"叙事智能"混合专家方法，识别视觉媒体中的关系、因果关系和情感语境。Rumi还运营去中心化网络，实现对集中式AI实验室无法触及的受版权保护媒体内容的合规访问。

市场痛点在于，尽管人们每天花约4小时观看内容，但数百万小时的受IP保护媒体因版权限制而未被AI利用。Rumi通过在用户设备上运行AI处理来解决这一问题，既尊重知识产权，又实现情境广告、互动功能和深度观看分析。

近半年（2026年3月至9月），Rumi持续构建桌面应用并扩展分布式VLM网络，让普通电脑参与媒体索引。公司还在Hugging Face上发布了多个音频相关模型，包括文本转语音和音频文本转文本模型，表明其业务正从视觉媒体理解向更广泛的方向拓展。