Gemini 模型可以处理视频，从而支持许多先进的开发者用例，而这些用例在过去需要使用特定领域的模型。Gemini 的部分视觉功能包括：

描述视频、对其进行细分并提取信息

回答与视频内容相关的问题

提及视频中的特定时间戳
Gemini 从一开始就是作为多模态模型来构建的，我们将不断突破极限，探索更多可能。本指南介绍了如何使用 Gemini API 根据视频输入生成文本回答。

视频输入

您可以通过以下方式将视频作为输入提供给 Gemini：

使用 File API 上传视频文件，然后向 generateContent 发出请求。对于大于 20MB 的文件、时长超过大约 1 分钟的视频，或者您想在多个请求中重复使用文件时，请使用此方法。
通过请求将内嵌视频数据传递给 generateContent。适用于较小的文件（小于 20 MB）和较短时长的文件。
直接在问题中添加 YouTube 网址。

支持的视频格式

Gemini 支持以下视频格式 MIME 类型：

video/mp4
video/mpeg
video/mov
video/avi
video/x-flv
video/mpg
video/webm
video/wmv
video/3gpp

示例

输入:

Gemini视频理解

视频输入#

支持的视频格式#

示例#

视频输入

支持的视频格式

示例