گوگل قابلیت درک و تحلیل عاملیت‌محور ویدیو را به مدل‌های Gemini اضافه کرد
گوگل از عرضه قابلیت «درک و تحلیل عاملیت‌محور ویدیو» روی مدل‌های Gemini 3.7 Flash، 3.6 Flash و 3.5 Flash-Lite خبر داد. این ویژگی جدید با ترکیب استدلال مدل و ابزارهای بومی پردازش ویدیو، ضمن کاهش چشمگیر هزینه‌ها و مصرف توکن، دقت تحلیل ویدیوها را افزایش می‌دهد.
گوگل قابلیت جدیدی به نام درک ویدیو عاملیت‌محور (agentic video understanding) را برای مدل‌های خانواده Gemini معرفی کرده است که شامل مدل‌های Gemini 3.7 Flash، 3.6 Flash و 3.5 Flash-Lite می‌شود. بر خلاف پردازش‌های سنتی که ویدیو را با نرخ فریم ثابت بررسی می‌کنند، این فناوری جدید به مدل اجازه می‌دهد تا به صورت پویا در فریم‌ها، صوت و متن به جستجو و بررسی بپردازد.
این رویکرد جدید مصرف توکن را تا ۸۸ درصد و هزینه‌های تحلیل را تا ۶۶ درصد کاهش می‌دهد، در حالی که دقت پردازش را ارتقا می‌بخشد. قابلیت‌های این سیستم شامل بازیابی لحظه‌ای زیرثانیه‌ای، جستجوی دقیق در ویدیوهای طولانی مدت، تشخیص ناهماهنگی و شمارش دقیق اجسام و حرکات است.
این ویژگی هم‌اکنون از طریق رابط lậpنویسی Gemini API در Google AI Studio و پلتفرم Gemini Enterprise در دسترس توسعه‌دهندگان قرار دارد و به زودی به محصولات دیگر گوگل و همچنین قابلیت «Ask YouTube» راه خواهد یافت.
گزارش فارسی این خبر با کمک هوش مصنوعی و فقط بر اساس اطلاعات منتشرشده در منبع تهیه شده است.