أطلقت غوغل ميزة جديدة في نماذج Gemini تُسمّى الفهم الوكيلي للفيديو (Agentic Video Understanding)، تمنح النموذج القدرة على البحث والفحص داخل مقاطع فيديو محددة عبر الإطارات المرئية والصوت والنصوص المفرغة — بدل معالجة الفيديو كاملاً بمعدل إطارات ثابت كما كان سابقًا.
كيف يعمل؟
بدل أن "يشاهد" النموذج كل ثانية من الفيديو بمعدل موحّد، يقرر الآن بنفسه ماذا يشاهد، وبأي سرعة، وعبر أي طبقة بيانات (صورة، صوت، نص) — ما يقلّل العبء الحسابي وعدد التوكنز المستهلكة بشكل كبير.
الأرقام
- تقليل استهلاك التوكنز بنسبة تصل إلى 88%.
- خفض تكلفة التحليل بنسبة تصل إلى 66%.
- تحسّن في جودة النتائج بنسبة تصل إلى 7%.
- تدعمها حاليًا: Gemini 3.7 Flash، وGemini 3.6 Flash، وGemini 3.5 Flash-Lite.
- بنفس تسعير Gemini API القياسي دون أي رسوم إضافية للميزة.
أين تُستخدم؟
- استرجاع لحظات دقيقة بدقة أقل من ثانية لمونتاج الفيديو.
- بحث الإبرة في كومة القش داخل فيديوهات طويلة تمتد لساعات.
- كشف الحالات الشاذة عبر إعادة أخذ العينات الديناميكي.
- عدّ دقيق للأفعال والأجسام عبر الزمن.
الميزة متاحة الآن عبر Gemini API في Google AI Studio ومنصة Gemini Enterprise Agent، على أن يصل الدعم لاحقًا لتطبيق Gemini وميزة "Ask YouTube" خلال الأشهر القادمة.
الكلمات المفتاحية: غوغل، Gemini، الفهم الوكيلي للفيديو، تحليل الفيديو بالذكاء الاصطناعي، Gemini API
المصدر: مدونة Google DeepMind — https://deepmind.google/blog/introducing-agentic-video-in-gemini/
No comments yet