Analisador de Vídeo Gemini
Analise vídeos nativamente usando a API multimodal do Google Gemini. Sem necessidade de extração de quadros — o Gemini processa o vídeo a 1 FPS com compreensão total de movimento, áudio e visão.
Início Rápido
# Analisar um vídeo com prompt padrão (descrição completa)
GOOGLE_AI_API_KEY=$GOOGLE_AI_API_KEY python3 {baseDir}/scripts/analyze.py /caminho/para/video.mp4
# Fazer uma pergunta específica
GOOGLE_AI_API_KEY=$GOOGLE_AI_API_KEY python3 {baseDir}/scripts/analyze.py /caminho/para/video.mp4 "Qual texto está visível na tela?"
# Gerenciar arquivos enviados
GOOGLE_AI_API_KEY=$GOOGLE_AI_API_KEY python3 {baseDir}/scripts/manage_files.py list
GOOGLE_AI_API_KEY=$GOOGLE_AI_API_KEY python3 {baseDir}/scripts/manage_files.py cleanup
Formatos Suportados
MP4, AVI, MOV, MKV, WebM, FLV, MPEG, MPG, WMV, 3GP — até 2GB por arquivo.
Como Funciona
- O vídeo é enviado para a API de Arquivos do Google (temporário, auto-exclusão após 48h)
- O Gemini processa a 1 quadro/segundo — compreende movimento, transições, contexto de áudio
- O modelo gera uma resposta com base no seu prompt
- Muito melhor do que extração de quadros para entender conteúdo temporal
Casos de Uso
| Tarefa | Exemplo de Prompt |
|---|---|
| Descrição geral | (padrão — nenhum prompt necessário) |
| Extração de UI/texto | "Quais elementos de texto e UI estão visíveis?" |
| Resumo de tutorial | "Resuma as etapas mostradas neste tutorial" |
| Relatório de bug a partir de vídeo | "Descreva o que deu errado nesta gravação de tela" |
| Anotações de reunião | "Resuma os pontos-chave discutidos" |
| Comparação de conteúdo | Envie 2 vídeos, peça diferenças |
Configuração
Defina GOOGLE_AI_API_KEY no seu ambiente ou arquivo .env. Obtenha uma chave gratuita em aistudio.google.com.
Modelo padrão: gemini-2.5-flash (rápido, barato, excelente visão). Substitua com --model gemini-2.5-pro para análises complexas.
Referência da API
Consulte references/gemini-files-api.md para limites de upload de arquivos, detalhes de processamento e opções avançadas.