Google wprowadza agentową analizę wideo do modeli Gemini
Google zintegrowało nową funkcję agentowego rozumienia wideo w modelach Gemini, umożliwiając dynamiczną obróbkę długich nagrań przy jednoczesnym zmniejszeniu zużycia tokenów nawet o 88%.
Google wprowadza agentową analizę wideo do modeli Gemini
Google zaprezentowało nową funkcjonalność w swoich najnowszych modelach Gemini – agentowe rozumienie wideo. Dzięki temu rozwiązaniu deweloperzy mogą przetwarzać długie materiały wideo z większą precyzją, zużywając przy tym nawet o 88% mniej tokenów.
Agentowa analiza wideo pozwala modelom Gemini na dynamiczne przetwarzanie materiałów. Algorytm samodzielnie decyduje, które fragmenty wymagają szczegółowej eksploracji, analizując klatki, ścieżkę dźwiękową oraz transkrypcje, a także dostosowując prędkość przetwarzania za pomocą wbudowanych narzędzi.
Według danych opublikowanych przez Google, nowe podejście do pracy z długimi filmami zapewnia:
- Do 88% mniejsze zużycie tokenów
- Do 66% niższe koszty operacyjne
- Do 7% wyższą dokładność analizy
Funkcja jest już dostępna poprzez API Gemini oraz w platformie Google AI Studio.
Dlaczego to ważne
AnalizaTa innowacja znacząco podnosi efektywność przetwarzania wideo, stanowiąc ważny krok w rozwoju technologii AI. Redukcja kosztów tokenów połączona z poprawą dokładności otwiera przed deweloperami nowe możliwości tworzenia skalowalnych aplikacji multimedialnych.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami