گوگل قابلیت درک بومی ویدیو را در مدلهای جمنای خود ادغام کرده است، که به کاربران امکان میدهد محتوای یوتیوب را از طریق Google AI Studio تجزیه و تحلیل کنند. کافی است لینک ویدیوی یوتیوب را در درخواست خود وارد کنید. سپس سیستم صدا را رونویسی کرده و فریمهای ویدیو را در فواصل یک ثانیهای تجزیه و تحلیل میکند. برای مثال، میتوانید به تایماستمپهای خاصی ارجاع داده و خلاصهها، ترجمهها یا توضیحات بصری را استخراج کنید. این ویژگی که در حال حاضر در مرحله پیشنمایش است، امکان پردازش حداکثر ۸ ساعت ویدیو در روز را فراهم میکند، با محدودیت یک ویدیوی عمومی در هر درخواست. جمنای پرو (Gemini Pro) ویدیوهایی تا دو ساعت طول را پردازش میکند، در حالی که جمنای فلش (Gemini Flash) ویدیوهایی تا یک ساعت را مدیریت میکند. این بهروزرسانی پس از اجرای تولید تصویر بومی در جمنای انجام میشود.
هوش مصنوعی
فناوری
گوگل
مدلهای جمنای گوگل قابلیت درک بومی ویدیو را اضافه میکنند
در یک نگاه
چکیدهٔ خودکار موتور هوش مصنوعی افق آبی
گوگل قابلیت درک بومی ویدیو را به مدلهای جمنای خود اضافه کرده است، که این ویژگی به کاربران امکان میدهد محتوای یوتیوب را از طریق Google AI Studio تحلیل کنند. کاربران میتوانند با وارد کردن لینک ویدیوی یوتیوب، صدا را رونویسی کرده و فریمهای ویدیو را در فواصل یک ثانیهای تجزیه و تحلیل کنند. این ابزار به کاربران اجازه میدهد که به تایماستمپهای خاصی ارجاع دهند و خلاصهها، ترجمهها یا توضیحات بصری را استخراج کنند. ویژگی مذکور در حال حاضر در مرحله پیشنمایش است و امکان پردازش حداکثر هشت ساعت ویدیو در روز و یک ویدیوی عمومی در هر درخواست را فراهم میکند. نسخه Gemini Pro میتواند ویدیوهایی تا دو ساعت و نسخه Gemini Flash تا یک ساعت را پردازش کند. این قابلیت جدید پس از اضافه شدن قابلیت تولید تصویر به مدلهای جمنای اجرا شده است.
این گزارش ترجمه و بازنویسی خبری با موتور هوش مصنوعی افق آبی است و برای خوانندهٔ فارسیزبان بازتنظیم شده. منبع اصلی:
the decoder