Googleは、9月1日、最新モデルのGemini 3.7 Flash、3.6 Flash、および3.5 Flash-Liteにおいて、「agentic video understanding」（エージェントによるビデオ理解）をリリースした。
この機能は、ビデオ分析の精度を向上し、トークンの使用量とコストを大幅に削減する。具体的には、現在の静的処理ではモデルは固定のフレーム／秒レートでビデオを取り込むのに対し、agentic video understandingはモデルのコア推論とネイティブのビデオツールを組み合わせることで、対象のビデオセグメントを動的に検索・スキャンする。
これによってagentic video understandingを備えたGeminiモデルは、ビデオ分析ベンチマークにおいて分析コストを最大66%、トークン消費量を最大88%削減し、精度を最大7%向上させるという。
agentic video understandingを利用すると、1FPSでは見逃しやすい状態変化を捉え、高精度な自動ビデオ編集が可能になるほか、長い動画の検索も膨大なトークンを消費することなく実行できる。
本機能は、Google AI StudioのGemini APIおよびGemini Enterprise Agent Platformを介して、動画アップロードおよびYouTube動画で利用可能になっている。
本機能は、 Google AI StudioおよびGemini Enterprise Agent PlatformのGemini APIを介して利用可能になっている。標準のGemini APIトークン価格が適用され、追加料金は不要。機能を有効にするには、API設定で処理を「agentic」に設定する必要がある。詳細はブログポストを参照のこと。
- 関連リンク
この記事は参考になりましたか？
- この記事の著者
-
CodeZine編集部（コードジンヘンシュウブ）
CodeZineは、株式会社翔泳社が運営する開発者のための情報メディアです。日々の開発に取り組むエンジニアやテクノロジーを学びたい方に向けて、プログラミングやAI活用、開発ツール、エンジニアの学びとキャリアに関する記事をお届けしています。
※プロフィールは、執筆時点、または直近の記事の寄稿時点での内容です
この記事は参考になりましたか？
この記事をシェア
