Agentne videomõistmine

Palgatav mõistmise kiht. Mudel võtab eesmärgi ja otsustab, mida vaadata, millise kiirusega ja millise modaalsuse kaudu (kaadrid, heli, transkript), tuues ainult vajalikud hetked. Tarnija väited: kuni ~66% madalam kulu ja ~88% vähem tokeneid võrreldes staatilise fikseeritud FPS sisselugemisega, suurema täpsusega.

Mis see on / ei ole

On: eesmärk → vaata ainult seda, mida vajad → ajatemplid + tsitaadid + kindlus.

Ei ole: videoeditor. Ära lõika, ära pane peale, ära põleta subtiitreid, ära renderda, ära ajasta, ära postita, ära saada e-kirja ega kirjuta CRM-i sellest oskusest. Anna lõiked Overlapile, FFmpegile või net-new-video-editorile. Kinnitused jäävad kutsuvale rajale.

Millal kasutada

• Enne kõnet / müügikõne kaevandamine: ostja vastuväide, järgmine samm, konkurendi mainimine
• Lühivormi skoorimine: leia 3-sekundiline iseseisev haak ning sisse-/väljapunktid
• Pikk vorm / X uurimine: nimetatud isiku + kontrasti hetked podcastis või YouTube'i salvestises
• Talentide ülevaatus: lävendi tõendid Loomis või proovisalvestises
• Kliendiaudit: iga märksõna mainimine avastusvestluse salvestises

Jäta vahele, kui töö on juba puhas transkript ja vajad ainult tekstotsingut.

Sisendid

Protsess

1. Ümbersõnasta eesmärk 1–3 otsingupäringuks. Valmis, kui iga päring on falsifitseeritav (teaksid, kas hetk sobib).
2. Kutsu Gemini agentne videomõistmine (Gemini API või AI Studio) sourcei, päringute, max_momentsi ja modaalsuse eelistusega. Eelista agentset teed fikseeritud FPS täississelugemise asemel, kui see on saadaval. Valmis, kui API tagastab kandidaataknad või selgesõnalise tühja komplekti.
3. Normaliseeri hetked allolevasse väljundiskeemi. Märgi parafraas vs sõnasõnaline. Visake välja väljamõeldud ajatemplid. Valmis, kui igal allesjäetud hetkel on t_start, t_end, modality, quote, why, confidence.
4. Peatu ja anna üle kutsujale. Ära lõika, ära pane peale, ära ajasta, ära avalda, ära saada e-kirja ega kirjuta CRM-i.

Väljundiskeem

Markdown inimestele, valikuline JSON masinatele:

{
  "goal": "",
  "source": "",
  "moments": [
    {
      "t_start": "MM:SS",
      "t_end": "MM:SS",
      "modality": "frames|audio|transcript",
      "quote": "",
      "verbatim": true,
      "why": "",
      "confidence": 0.0
    }
  ],
  "empty_reason": null,
  "tokens_note": "agentic path used|fallback static ingest"
}

Kõvad väravad

• Ei täielikku fikseeritud FPS sisselugemist, kui agentne tee on saadaval
• Ei väljamõeldud ajatemplid ega tsitaadid
• Ei täielike transkriptide ega kliendi isikuandmete dumpimist avalikesse artefaktidesse
• Ei lõiget / renderdust / pealekandmist / ajastamist / avaldamist / saatmist sellest oskusest

Seadistus

• Gemini API võti või Google AI Studio juurdepääs: https://ai.studio
• Vaata Google'i arendajajuhendit Gemini agentse videomõistmise kohta
• Env: GEMINI_API_KEY (või projekti olemasolev Google AI volitus)

Kutsuja üherealised

• Enne kõnet: goal="exact next-step commitment and any pricing pushback"
• Lühivorm: goal="best 3-second standalone hook; return in/out for one clip"
• Talent: goal="evidence they hit the role bar on X; max 5 moments"
• Audit: goal="every mention of Reddit, AEO, or budget"

Lõpetamine

Valmis, kui kutsujal on ülaltoodud skeem (või dokumenteeritud tühi komplekt) ja see oskus ei ole teinud kõrvalmõjusid peale Gemini lugemise.