Google uruchomiło agentic video understanding dla trzech modeli Gemini Flash przez API, a w najbliższych miesiącach technologia zasili Ask YouTube na stronach odtwarzania wideo. Nowy system pozwala Gemini wybierać, które klatki, fragmenty audio lub sekcje transkryptu ma sprawdzić, zamiast analizować cały materiał w stałym tempie. W testach na standardowych benchmarkach Google podaje spadek zużycia tokenów nawet o 88%, obniżenie kosztów analizy o 66% i poprawę dokładności do 7% względem static processing. Zmiana ma pomóc w odpowiadaniu na pytania o to, co dzieje się na ekranie, a nie tylko na podstawie losowo próbkowanych ujęć. Funkcja jest już dostępna dla deweloperów w Gemini API w Google AI Studio i Gemini Enterprise Agent Platform, także dla uploadów i filmów z YouTube. Google nie podaje daty wdrożenia, regionów ani języków, a także nie wyjaśnia, czy identyczne przetwarzanie trafi do wersji Ask YouTube dostępnej z wyszukiwarki. Dla twórców i marketerów oznacza to większą wagę do tego, co faktycznie widać i słychać w materiale, bo system ma lepiej wyłapywać krótkie momenty, wielogodzinne nagrania, błędy wizualne i powtarzalne akcje.
Źródło: Search Engine Journal — oryginalny artykuł ↗
Chcesz wiedzieć, jak ta zmiana wpłynie na Twoją stronę?
Nasz zespół analizuje każdą aktualizację Google w 48h i przekłada ją na konkretne działania dla klientów.
Bezpłatna analiza wpływu