Gemini 推出智能视频理解功能，AI 能自主分析视频内容

Google DeepMind 近日宣布，为 Gemini 模型引入了智能视频理解功能。这一新能力使 Gemini 能够主动观察视频中的动态场景，理解人物动作、物体变化及事件发展，并进行多步推理。例如，AI 可以分析一段烹饪视频，识别食材处理步骤，并回答“厨师在第三步加入了什么调料？”之类的问题。该技术基于多模态架构，结合了视觉感知与语言推理，不仅能描述画面，还能推断意图、预测后续动作。目前该功能已面向部分开发者开放测试，未来或应用于视频内容检索、智能监控、交互式教育等领域。DeepMind 强调，这项进展是迈向通用视频智能的重要一步，但当前仍存在对复杂场景、长视频理解有限的挑战。