Анализ видео через Gemini API: пошаговое руководство для архитекторов

Что вы узнаете из этого руководства?

С помощью Gemini API можно не только попросить кратко пересказать видео, но и задать вопросы о его содержании, описать определённые сцены и запросить сведения о временных метках. Это может пригодиться для изучения презентаций архитектурных проектов, видеоэкскурсий по интерьерам, записей с объектов или роликов о процессе проектирования. Далее мы сосредоточимся на том, как правильно передать видео модели и чётко сформулировать вопрос.

Примеры запросов подготовлены специально для архитектурных и интерьерных рабочих процессов. Основной подход в документации таков: передать модели видеофайл вместе с запросом и добавить в тот же запрос текстовую инструкцию.

Требования и выбор входных данных

Для начала потребуются доступ к Gemini API, рабочая среда с настроенным API-клиентом и видео для анализа. В официальном руководстве приведены примеры для Python, JavaScript, Go и REST. Пример для Python импортирует модуль genai из пакета google; конкретная версия SDK не указана, поэтому мы не приводим номер версии.

Выбирайте способ передачи данных с учётом размера файла и сценария использования:

• Files API: рекомендуется для больших файлов, длинных видео и материалов, которые будут использоваться повторно. В таблице руководства указаны максимальные размеры: 20 GB для платного уровня и 2 GB для бесплатного. Дождитесь обработки загруженного файла, а затем используйте полученную ссылку на файл в запросе к модели.

• Данные в строке запроса: можно использовать для небольших видео, которые отправляются один раз. В разных разделах руководства указаны разные ограничения: менее 100 MB в таблице и менее 20 MB для общего размера запроса в описании реализации. Поэтому при выборе этого способа безопаснее исходить из более строгого ограничения — 20 MB на весь запрос.

• URL YouTube: общедоступные видео можно передавать напрямую. Эта функция находится на стадии предварительного просмотра; отмечается, что тарифы и ограничения скорости могут измениться. На бесплатном уровне нельзя загружать более 8 часов видео с YouTube в день; для платного уровня ограничение по длительности не указано.

В документации также описан способ сохранения в Cloud Storage: максимальный размер одного файла — 2 GB, ограничение на объём хранилища не указано. Этот способ предлагается для файлов, которые нужно хранить постоянно и использовать повторно.

Анализ видео шаг за шагом

1. Выберите видео и сформулируйте задачу. Сначала уточните, нужно ли вам кратко пересказать всё видео или найти конкретный момент. Например, поиск места, где начинается движение по интерьеру, — это другая задача, чем запрос общего резюме.

2. Выберите способ передачи данных. Для небольшого короткого клипа, который используется один раз, подойдут данные в строке запроса. Если общий размер запроса превышает 20 MB, видео длинное или его нужно будет использовать повторно, Files API — рекомендуемый в руководстве вариант. При использовании YouTube видео должно быть общедоступным.

3. Добавьте файл в запрос. В официальном примере для Python файл загружается с помощью client.files.upload(...), после чего возвращённый объект файла и текстовая инструкция вместе передаются в вызов client.models.generate_content(...). В рамках примера необходимо также дождаться обработки файла. Для видео с YouTube ссылка добавляется в запрос как видеофайл.

4. Сформулируйте запрос как конкретную задачу с наблюдаемым результатом. Вместо общего «Проанализируй видео» опишите, какие сведения нужны и в каком виде их предоставить. Для начала попросите общее резюме, а затем задайте вопрос о конкретном объекте или временной метке — так будет проще оценить результаты.

Этот запрос поможет извлечь общие сведения из короткого видео о проекте:

Bu mimari proje videosunu kısa bir özetle anlat. Görünen mekânları ve videoda açıkça seçilebilen tasarım özelliklerini ayrı maddelerde belirt. Görüntüde doğrulanamayan bilgileri tahmin etme.

Запрос опирается на возможности модели описывать видео и извлекать из него сведения. Он также ограничивает модель, чтобы та не выдумывала такие подробности, как название проекта, материал или размеры, если их нельзя подтвердить по изображению.

Чтобы найти момент, когда происходит определённое событие в записи с объекта или видеоэкскурсии по интерьеру, задайте более конкретный вопрос:

Videoda giriş mekânından ana yaşam alanına geçişin görüldüğü anı bul. Bu geçişin yaklaşık zaman damgasını ver ve görüntüde hangi mekânsal değişikliğin seçildiğini kısaca açıkla. Emin olmadığın bir zaman damgasını kesinmiş gibi sunma.

В руководстве указано, что можно обращаться к конкретным временным меткам в видео. Поэтому чёткое описание искомого события в запросе полезнее, чем расплывчатая просьба вроде «Найди важные моменты».

Для подготовки видео-презентации к анализу проекта можно использовать такой запрос:

Bu videoda görülen mekânsal düzenlemeleri sırayla incele. Dolaşım, gün ışığı ve yüzey malzemeleri hakkında yalnızca görüntüden desteklenebilen gözlemleri yaz; her gözlemi ilgili zaman damgasıyla eşleştir. Görünmeyen teknik özellikleri çıkarım olarak belirtme.

В этом запросе планировка, освещение и материалы используются как пункты контрольного списка. Модель также просят не представлять как достоверные факты технические сведения, которые нельзя подтвердить по изображению. Оценивайте результат как заметки для первичного анализа, а не как основание для проектного решения.

Типичные ошибки и выбор режима обработки

Самая распространённая проблема — неподходящий способ передачи данных с учётом размера или длительности видео. Руководство рекомендует Files API, если общий размер запроса превышает 20 MB, видео длинное или один и тот же материал будет использоваться в других запросах. Поскольку в разных разделах документации ограничения для данных в строке запроса указаны по-разному, не пытайтесь передавать этим способом большие файлы.

Второй момент — режим обработки. По умолчанию статический метод извлекает из видео кадры с фиксированной частотой — один кадр в секунду. Этот режим рекомендуется для коротких клипов, общих резюме всего видео, задач с чувствительностью к задержке или покадрового просмотра на протяжении всего клипа. Agentic-обработка динамически перемещается по временной шкале; её можно использовать для поиска определённого события в длинном видео или одной конкретной детали в продолжительной записи. В руководстве этот вариант рекомендован для длинных видео продолжительностью более 5–10 минут и целевого поиска.

Agentic-режим указан для моделей Gemini 4 Argon, 3.8 Flash, 3.6 Flash и 3.5 Flash Lite. Google сообщает, что в длинных материалах этот режим может использовать до 88 процентов меньше токенов и повысить качество примерно на 7 процентов; это заявление производителя, а не гарантия для каждого видео. Ещё один источник ошибок — запросы, в которых модель просят представить размеры, тип материала или сведения о проекте, не подтверждённые изображением, как достоверные факты.

Следующие шаги и влияние на архитектурный рабочий процесс

Начните с короткого рабочего видео, не опубликованного в открытом доступе, и попросите составить общее резюме; затем задайте вопрос о конкретной сцене. Для длинных видео рассмотрите agentic-обработку, а для файлов, которые будут использоваться повторно, — Files API. Учитывайте, что функция работы с YouTube URL находится на стадии предварительного просмотра и тарифы с ограничениями скорости могут измениться. Создание видео — отдельный сценарий: в актуальном руководстве Gemini API для генерации и редактирования с диалоговым интерфейсом указан Gemini Omni Flash; также сообщается, что Veo 3.1 Preview был закрыт в API 22 октября 2026 года.

Для архитектурных бюро и команд по визуализации наиболее практичный сценарий — получить первичное резюме и заметки с поиском по наблюдениям из видео проекта или записи с объекта. Это не означает, что проектное решение или размеры подтверждены: результат нужно сверять с видео. В руководстве не приводятся требования к локальному оборудованию или стоимость API. Поэтому при планировании рабочего процесса отдельно проверьте размер файла, процесс загрузки, условия доступа и лицензирования; не исходите из того, что требуется локальный GPU.

Источник и лицензия

Это руководство адаптировано на турецком языке на основе руководств Google по пониманию видео и генерации видео с помощью Gemini API. Руководство по пониманию видео распространяется по лицензии CC BY 4.0. Примеры запросов написаны специально для этого руководства; примеры кода не заимствованы из исходного текста.