ข้ามไปที่เนื้อหา
เหตุการณ์ร้อนแรงกำลังพัฒนา

Google เปิดตัวความสามารถในการเข้าใจวิดีโอแบบเอเจนติกในโมเดล Gemini Flash

1 รายงาน1 แหล่งข่าวที่รายงานอัปเดต 2 ชม. ที่แล้ว

เริ่มตรงนี้

ไดเจสต์ AI

Google DeepMind เปิดตัวความสามารถในการเข้าใจวิดีโอแบบเอเจนติกใน Gemini 3.7 Flash, 3.6 Flash และ 3.5 Flash-Lite แทนที่จะนำเข้าวิดีโอด้วยอัตราเฟรมคงที่ โมเดลจะใช้เครื่องมือวิดีโอแบบเนทีฟในลูปเอเจนติกเพื่อค้นหาเฟรม เสียง และทรานสคริปต์ และดึงเฉพาะส่วนที่จำเป็น Google ระบุว่าวิธีนี้ช่วยลดการใช้โทเคนได้สูงสุดถึง 88% ลดต้นทุนการวิเคราะห์ได้สูงสุดถึง 66% และเพิ่มความแม่นยำได้สูงสุดถึง 7% ทำให้สามารถค้นหาช่วงเวลาที่ต้องการได้ภายในเสี้ยววินาที ค้นหาแบบเข็มในกองฟางในวิดีโอความยาวมาก ตรวจจับความผิดปกติ และนับวัตถุได้ ฟีเจอร์นี้พร้อมใช้งานสำหรับการอัปโหลดวิดีโอและวิดีโอ YouTube ผ่าน Gemini API ใน Google AI Studio และ Gemini Enterprise Agent Platform โดยใช้ราคาโทเคนมาตรฐานของ Gemini API โดยไม่มีค่าธรรมเนียมฟีเจอร์เพิ่มเติม Google ระบุว่าจะเปิดให้ผู้ใช้ทุกคนในแอป Gemini สำหรับโมเดล Flash และ Flash-Lite ในเร็วๆ นี้ และในอีกไม่กี่เดือนข้างหน้าจะขับเคลื่อนฟีเจอร์ "Ask YouTube" ของ YouTube บนหน้าดูวิดีโอ

สร้างจากรายงาน · อัปเดต 1 ชม. ที่แล้ว

ไทม์ไลน์รายงาน

ไล่ตามรายงานเพื่อดูเหตุการณ์นี้จากหลายด้าน

18 พฤศจิกายน
  1. Hacker News · AIคัดสรร
    Google เปิดตัวการทำความเข้าใจวิดีโอแบบเอเจนต์ใน Gemini 3.7 Flash, 3.6 Flash และ 3.5 Flash-Lite

    5 Flash-Lite ลดการใช้โทเค็นได้สูงสุด 88% ลดต้นทุนการวิเคราะห์ได้สูงสุด 66% และเพิ่มความแม่นยำได้สูงสุด 7% แทนที่จะนำเข้าวิดีโอด้วยอัตราเฟรมคงที่ โมเดลใช้เครื่องมือวิดีโอแบบเนทีฟในลูปเอเจนต์เพื่อค้นหาเฟรม เสียง และทรานสคริปต์ และดึงเฉพาะส่วนที่จำเป็น ทำให้สามารถค้นหาช่วงเวลาที่ต้องการได้ภายในเสี้ยววินาที ค้นหาเข็มในกองหญ้าในวิดีโอความยาวมาก ตรวจจับความผิดปกติ และนับวัตถุ

ความร้อนแรงของเหตุการณ์นี้

ยังมีการเฝ้าดูต่อเนื่องไม่พอจะวาดแนวโน้ม