Google 官方宣布推出新的主動視頻理解功能，該功能可用於 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 模型，旨在提升視頻分析的準確性，並顯著降低令牌消耗和成本。
主動視頻理解的功能與優勢
這項新功能使模型能夠動態掃描視頻片段，從而在提高準確性的同時，令牌使用量可減少多達 88%，成本降低可達 66%。Google DeepMind 的高級產品經理表示，這一功能的推出將為視頻分析帶來革命性的改變。
「我們今天推出的主動視頻理解功能，顯著減少了分析成本，並提高了準確性。」
Google
如何啟用主動視頻理解功能
用戶可以通過在 Google AI Studio 或 Gemini Enterprise Agent Platform 中將 API 配置設置為「agentic」來啟用此功能。這一功能特別適合長視頻的處理，無論是 10 分鐘的教學視頻，還是 90 分鐘的講座，都能顯著提高分析效率。
「主動視頻理解使 Gemini 模型能夠主動決定觀看的內容、速度和方式，從而大幅減少開發負擔。」
Google
多樣化的應用場景
主動視頻理解功能改變了開發者處理長視頻內容的方式，支持多種應用場景，包括快速瞬間檢索、異常檢測及物體計數等。這些功能使得自動化視頻編輯和複雜查詢的實現變得更加可行。
「這項技術在長視頻分析中顯示出顯著的效率提升，無需消耗大量令牌。」
Google
未來，這一功能將逐步推廣至 Google 產品中的數十億用戶，並計劃在 YouTube 的「Ask YouTube」功能中實現更高質量的答案。
資料來源：Google 官方公告
