Gemini 视频分析器 是做什么的?
使用 Google Gemini 的多模态 API 原生分析视频。无需手动抽取帧——Gemini 以 1 FPS 的速度处理视频,具备完整的运动、音频和视觉理解能力。
快速开始
# 使用默认提示分析视频(完整描述)
GOOGLE_AI_API_KEY=$GOOGLE_AI_API_KEY python3 {baseDir}/scripts/analyze.py /path/to/video.mp4
# 提出特定问题
GOOGLE_AI_API_KEY=$GOOGLE_AI_API_KEY python3 {baseDir}/scripts/analyze.py /path/to/video.mp4 "屏幕上显示了哪些文本?"
# 管理已上传的文件
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
支持的格式
MP4, AVI, MOV, MKV, WebM, FLV, MPEG, MPG, WMV, 3GP——单文件最大 2GB。
工作原理
- 视频上传到 Google Files API(临时存储,48 小时后自动删除)
- Gemini 以每秒 1 帧的速度处理——理解运动、过渡和音频上下文
- 模型根据你的提示生成响应
- 在理解时序内容方面,远比逐帧抽取方式更优秀
用例
| 任务 | 示例提示 |
|---|---|
| 通用描述 | (默认——无需提示) |
| UI/文本提取 | "有哪些文本和 UI 元素可见?" |
| 教程总结 | "总结本教程中展示的步骤" |
| 视频 bug 报告 | "描述这个屏幕录制中出现了什么问题" |
| 会议记录 | "总结讨论的关键点" |
| 内容对比 | 上传两个视频,询问差异 |
配置
在你的环境或 .env 文件中设置 GOOGLE_AI_API_KEY。在 aistudio.google.com 免费获取密钥。
默认模型:gemini-2.5-flash(快速、廉价、视觉能力出色)。对于复杂分析,使用 --model gemini-2.5-pro 覆盖默认模型。
API 参考
参见 references/gemini-files-api.md 了解文件上传限制、处理详情和高级选项。