La compréhension vidéo agentique dans Gemini utilise une boucle de raisonnement actif pour scanner dynamiquement les segments vidéo, réduisant la consommation de jetons jusqu'à 88 % tout en améliorant la précision pour les contenus longs.
Fonction du produit et positionnement officiel
La compréhension vidéo agentique dans Gemini améliore l'efficacité et la précision de l'analyse vidéo en s'éloignant de l'ingestion de trames à taux fixe. Le modèle joue un rôle actif pour déterminer quels moments et signaux spécifiques sont nécessaires pour répondre à une requête.
Cette fonctionnalité est intégrée à la famille de modèles Gemini Flash et est accessible via les plateformes pour développeurs. Elle est optimisée pour les contenus de longue durée, tels que les conférences et les enregistrements de plusieurs heures, où le traitement statique traditionnel entraîne souvent des coûts de jetons élevés.
Cas d’usage étayés par les sources officielles
Identifier avec précision les changements d'état à la fraction de seconde et les limites de coupe serrées qui sont généralement manquées aux fréquences d'images standard.
Détecter des anomalies en rééchantillonnant des fenêtres temporelles spécifiques à une fréquence d'images plus élevée pour inspecter les mouvements rapides.
Compter avec précision les mouvements répétés ou suivre des objets distincts tout au long d'une vidéo.
Le parcours documenté, lorsqu’il est disponible
Le développeur définit le paramètre de traitement vidéo sur « agentic » dans les paramètres de configuration de l'API Gemini.
L'utilisateur fournit une source vidéo, telle qu'un téléchargement de fichier ou une URL YouTube, accompagnée d'une invite en langage naturel.
Le modèle utilise un outil interne pour récupérer uniquement les segments pertinents de la vidéo, de l'audio ou de la transcription nécessaires à la tâche.
Le système renvoie les informations demandées, telles qu'un résumé, un horodatage spécifique ou un décompte d'événements.
Les modèles d'analyse vidéo traditionnels utilisent généralement un traitement statique, où la vidéo est ingérée à un taux fixe. Cette approche peut être inefficace pour les vidéos longues, car elle consomme soit un nombre massif de jetons, soit manque des détails critiques entre les trames échantillonnées.
La compréhension vidéo agentique change cela en permettant au modèle d'agir comme un agent qui décide quoi regarder et à quelle vitesse. En invoquant des outils internes pour charger uniquement les données nécessaires, le modèle peut atteindre une plus grande précision avec une consommation de ressources nettement inférieure.
Vérifications à effectuer avec vos contenus et votre flux de travail
Sources vérifiées et date de la vérification
Réponses fondées sur la fiche produit dont les sources ont été vérifiées
La fonctionnalité est disponible pour les modèles Gemini 3.7 Flash, Gemini 3.6 Flash et Gemini 3.5 Flash-Lite.
Elle réduit les coûts jusqu'à 66 % en ne récupérant que les segments vidéo nécessaires plutôt qu'en traitant l'intégralité du flux à un taux fixe.
Oui, la fonctionnalité prend en charge à la fois les téléchargements directs de vidéos et les vidéos YouTube via l'API Gemini et Google AI Studio.
Le modèle peut choisir dynamiquement d'inspecter les trames visuelles, les pistes audio ou les transcriptions vidéo en fonction de l'objectif.
Non, la fonctionnalité utilise la tarification standard des jetons de l'API Gemini sans frais supplémentaires spécifiques à la fonctionnalité.
