Agentic Video Understanding in Gemini

Agentic Video Understanding в Gemini представляет собой технологию, которая меняет подход к анализу видеоматериалов. Вместо традиционного статического захвата кадров модель использует активную логику для определения наиболее релевантных моментов. Это позволяет системе динамически сканировать видео, фокусируясь на тех участках, которые необходимы для ответа на конкретный запрос пользователя.

Данная функция интегрирована в семейство моделей Gemini Flash и доступна через платформы разработчиков. Она оптимизирована для работы с длинным контентом, таким как лекции или многочасовые записи, где стандартные методы обработки часто приводят к избыточным затратам ресурсов. Модель может переключаться между визуальными кадрами, аудиодорожками и текстовыми транскриптами в зависимости от поставленной задачи.

Разработчики могут использовать эту функцию для автоматизации редактирования видео, контроля качества и отслеживания физических действий. Система способна выявлять быстрые изменения состояния, обнаруживать аномалии при движении объектов и точно подсчитывать повторяющиеся действия. Пользователи загружают видеофайл или ссылку на YouTube, задают вопрос на естественном языке, и система возвращает информацию с высокой точностью.