Analizar videos de arquitectura con Gemini API: guía paso a paso

¿Qué aprenderás en esta guía?

Puedes usar Gemini API para identificar qué espacios aparecen en un video de proyecto, convertir una grabación de presentación en un resumen breve o preguntar qué sucede en un segundo concreto. La guía de comprensión de video de Google documenta usos como describir un video, extraer información de su contenido y responder preguntas según marcas de tiempo.

Esta guía se centra en analizar videos existentes utilizados en visualización arquitectónica (archviz), diseño de interiores y presentaciones de proyectos. A diferencia de la generación de video, aquí la entrada es un archivo de video preparado de antemano o un video público de YouTube. Según la pregunta que se envíe al modelo, los resultados pueden ser resúmenes o respuestas sobre detalles concretos.

Requisitos y selección del video

La documentación de Gemini API de Google incluye ejemplos con Python, JavaScript, Java, Go y REST. Los ejemplos de Python utilizan la biblioteca google-genai; sin embargo, la guía no especifica una versión de biblioteca necesaria para estos ejemplos. Por eso, aquí no se indica ningún número de versión. Para acceder a la API y autenticarte, utiliza la configuración de API de tu propio entorno de desarrollo; la fuente no detalla los pasos para crear una cuenta.

Antes de enviar el video, evalúa el tamaño del archivo y cómo piensas utilizarlo:

• La tabla comparativa de Google indica un límite máximo de 20 GB con uso de pago y de 2 GB con uso gratuito para Files API. Es una opción adecuada para archivos grandes, videos largos y archivos que se vayan a reutilizar.

• Cloud Storage Registration aparece con un límite de 2 GB por archivo; se indica que no hay un límite total de almacenamiento. Se presenta como una opción para archivos persistentes y reutilizables.

• En la descripción de la tabla, Inline Data se indica para archivos de menos de 100 MB. Sin embargo, la misma guía considera adecuado adjuntar directamente a la solicitud videos breves cuando el tamaño total de esta sea inferior a 20 MB. Por ello, al elegir el método, ten en cuenta el tamaño total de la solicitud, no solo el del video.

• Los videos públicos de YouTube también aparecen como método de entrada.

Google recomienda Files API para la mayoría de los casos y, en especial, para videos de más de 100 MB o que se vayan a reutilizar en distintas solicitudes. La documentación también recomienda usar Files API si la solicitud total supera los 20 MB, el video es largo o el mismo archivo se utilizará en más de una solicitud.

Análisis de video paso a paso

1. Define el objetivo del análisis. En lugar de hacer una petición general como «resume el video», especifica qué información necesitas. Por ejemplo, puedes preguntar por el orden de los espacios, los materiales y los cambios de iluminación visibles en el encuadre, o las decisiones de diseño explicadas en la presentación. En vez de pedir al modelo que deduzca información que no aparece en el video, indícale que base la respuesta en lo que se ve o se dice.

2. Elige el método de transferencia. Puedes utilizar datos inline para un clip pequeño y de un solo uso; Files API es más adecuada para videos grandes, largos o que se vayan a reutilizar. No omitas el paso de subir el archivo y esperar a que se procese: en los ejemplos de Google, se comprueba el estado del archivo hasta que pasa a ACTIVE. Los ejemplos también contemplan la posibilidad de que falle el procesamiento del archivo.

3. Incluye el video y la instrucción de texto en la solicitud. En los ejemplos de la guía, el video se transmite como un URI de archivo y un tipo MIME, mientras que la entrada de texto contiene las instrucciones de análisis. El nombre del modelo utilizado en los ejemplos es gemini-3.8-flash. Consulta la información sobre modelos y disponibilidad de la documentación de API para tu aplicación; no se presupone ninguna versión ni garantía de disponibilidad más allá del nombre utilizado en el ejemplo.

Puedes utilizar el siguiente texto como instrucción junto con el video:

Describe este video de un proyecto arquitectónico en un resumen breve. Enumera los espacios visibles en el orden en que aparecen en el video. No deduzcas características que no se vean claramente; indica los detalles sobre los que no tengas certeza.

Esta instrucción puede ayudar a convertir la grabación del proyecto en un resumen ordenado. Antes de usar el resultado como nota de presentación o para una revisión inicial del equipo, compáralo con el video.

1. Haz una pregunta concreta sobre lo que quieres revisar. Los modelos Gemini pueden responder preguntas sobre el contenido de un video y hacer referencia a marcas de tiempo. Para encontrar una sección clave en una presentación de láminas o en un recorrido con cámara, concreta la pregunta según el espacio o el suceso:

Encuentra cuándo aparece por primera vez la cocina en el video. Indica la marca de tiempo y describe los elementos fijos que se puedan ver en ese momento, solo en la medida en que sean visibles en la imagen.

Esta instrucción sirve para buscar un espacio concreto. Comprueba la marca de tiempo en el montaje o en la secuencia de la presentación; la guía fuente no garantiza que los resultados sean siempre exactos.

1. Pide observaciones independientes sobre materiales e iluminación. En vez de solicitar muchos detalles en una sola pregunta amplia, dividir la revisión en apartados facilita evaluar la respuesta:

Describe de forma ordenada las características de las superficies y los materiales que se ven en este video de interiores. Asocia cada observación con la marca de tiempo correspondiente; si no se puede determinar con certeza el tipo de material, no lo presentes como una suposición.

Esta instrucción se centra en describir las superficies de la imagen y no pide al modelo que identifique con certeza marcas de productos o materiales. Antes de tomar decisiones de diseño, consulta la documentación real del proyecto.

1. Convierte la respuesta en una lista de verificación breve. Si hay puntos que el equipo deba seguir en un video de presentación, pide al modelo que separe la información que realmente aparece en el video:

Resume en dos listas separadas las decisiones de diseño mencionadas explícitamente y las preguntas que quedaron sin resolver en esta presentación del proyecto. Añade la marca de tiempo que respalda cada punto; indica qué aspectos no tienen respuesta en el video, sin completar los vacíos.

Este tipo de resultado puede ser útil para organizar las notas después de una reunión. Verifica las decisiones importantes con la grabación de la reunión o con la documentación del proyecto.

Errores frecuentes

Enviar un archivo con el método equivocado para su tamaño: Aunque la tabla de la documentación indica que Inline Data admite archivos de menos de 100 MB, la misma guía limita el uso directo de datos inline a videos breves cuya solicitud total no supere los 20 MB. Para archivos grandes o videos largos, sigue la recomendación de Files API.

Empezar el análisis antes de que el archivo esté listo: En los ejemplos de Google, se consulta el estado del procesamiento después de subir el archivo y se espera hasta que pase a ACTIVE. No continúes con la siguiente solicitud antes de completar este paso.

Afirmar datos que no se pueden determinar con certeza a partir de la imagen: Es posible que en el video no se vean el material real, las medidas o el nombre del producto de una superficie. Pedir en la instrucción solo observaciones visibles y solicitar que se indique explícitamente cualquier incertidumbre reduce el riesgo de presentar como seguro algo que no lo es.

Confundir el análisis de video con su generación: La página de generación de video de Gemini API indica que Veo 3.1 Preview dejó de estar disponible el 22 de octubre de 2026 y que, para generar videos, se redirige a Gemini Omni Flash. Este cambio no corresponde al proceso que se describe aquí para analizar videos existentes.

Uso en flujos de trabajo de arquitectura y visualización

Este enfoque puede servir como punto de partida para estudios de arquitectura, diseñadores de interiores y equipos de visualización que quieran revisar rápidamente presentaciones de proyectos, recorridos de interiores con cámara o grabaciones de obra. Por ejemplo, es posible identificar cuándo aparece cada espacio, recopilar decisiones de diseño de una grabación de reunión o crear un primer resumen de una presentación. Sin embargo, las fuentes no indican que el modelo analice directamente archivos BIM, planos o escenas 3D; aquí se explica cómo trabajar con el contenido de video.

Antes de incorporar este flujo de trabajo, determina el método de transferencia según el tamaño y la duración del archivo, así como la necesidad de reutilizarlo. Google recomienda Files API para grabaciones grandes o largas; la fuente indica límites de archivo distintos para el uso de pago y el gratuito. La guía no ofrece información sobre precios, privacidad del proyecto, períodos de almacenamiento ni requisitos de hardware para una estación de trabajo concreta; evalúa estos aspectos por separado según tus condiciones de uso.

Próximos pasos

Haz la primera prueba con una grabación breve del proyecto que no contenga decisiones críticas. Primero pide un resumen general y, después, prueba el resultado con preguntas centradas en un espacio concreto o una marca de tiempo. Distingue entre las pruebas visibles y las interpretaciones del modelo; compara las notas que compartas con el equipo con el video fuente y la documentación del proyecto. Si vas a utilizar el mismo video en varias solicitudes, ten en cuenta la recomendación de Google de usar Files API.

Fuente y licencia

Esta guía se ha adaptado al turco a partir de las guías de Google «Video understanding» y «Video generation in the Gemini API». Ambas páginas indican una licencia CC BY 4.0 para el contenido, salvo que se especifique lo contrario.