こんにちは、AIニュースアプリ Morning AI 開発者の矢野哲平です。この記事では、Geminiの新しい動画分析機能「agentic video understanding」について触れます。
AIが音声を扱えるようになった流れの次に気になるのが、動画です。実際、動画をリアルタイムで処理できるAIも出てきています。
Geminiのagentic video understandingとは？動画分析の精度が上がる新機能
動画をリアルタイムで処理できると何が起きるか
AIによるリアルタイムの動画処理ができるようになると、たとえばAI面接官が人間と面談をして、会話や表情をその場で分析する、といったことが可能になります。
音声だけでも十分に応用範囲は広いのですが、そこに映像が加わると、扱える情報の種類が一段増えます。音声でのやり取りについてはGPT-Live-1とは？の記事でも触れています。
agentic video understandingとは？
Geminiの新しい動画分析機能が、agentic video understandingです。
簡単に言うと、従来のものより精度高く動画を処理できるようになった、という機能です。こちらはリアルタイムの動画処理ではありませんが、動画をAIに読ませたときの精度が上がります。
YouTubeの処理が、目に見えて変わる
Geminiは、YouTubeの動画を処理できます。使ったことがある方も多いと思います。
- 動画を要約して
- タイムスタンプ付きで文字起こしして
こうした動画処理を、より精度高く行えるようになります。
特に効果が出やすいのが長い動画です。長尺になるほど、従来の処理では抜け漏れや精度の低下が起きやすくなります。Geminiを使ってYouTubeを処理している方は、一度試してみることをおすすめします。
現時点ではGoogle AI Studioで試す
ひとつ注意点があります。この機能は、Geminiのチャット画面ではまだ実装されていません。
APIで先に実装されていて、Google AI Studioで試すことができます。AI StudioがどんなツールなのかはGoogle AI Studioとは？にまとめています。
| 使う場所 | agentic video understanding |
|---|---|
| Geminiのチャット画面 | まだ実装されていない |
| Google AI Studio（API） | 先行して試せる |
公式の説明によると、近いうちにGeminiのチャット画面でも実装する予定とのことです。ただ、先に試したい方はGoogle AI Studioを使うのが早道です。
まとめ
- agentic video understandingは、Geminiの新しい動画分析機能。従来より精度高く動画を処理できる
- リアルタイム処理ではないが、YouTubeの要約やタイムスタンプ付き文字起こしの精度が上がる
- 特に長い動画ほど効果的
- Geminiのチャット画面ではまだ使えず、現時点ではGoogle AI Studioで先行して試せる
普段Geminiで動画を扱っている方ほど、違いを実感しやすい機能だと思います。ぜひ試してみてください。
関連記事
Google AI Studioとは？魅力と最新機能をわかりやすく解説
Googleの実験環境Google AI Studioの魅力を解説。100万トークンの大きなコンテキストウィンドウ、URLコンテキスト、テキストからアプリを作るBuild Apps、注目のStitch・Flowまで、最新モデルを無料で試せるツールの活用法を紹介します。
Gemini 3.7 Flashが公開、性能・料金と今すぐ使う方法（OpenRouter経由も）
Googleが公開したGemini 3.7 Flashの性能・ベンチマーク・料金、Google AI StudioやAPIでの使い方を解説。Geminiアプリで順番待ちの人向けに、すでに使えるOpenRouter経由の使い方も紹介します。
Googleの音声AIモデル Gemini 3.1 Flash Live とは？
Googleのリアルタイム音声対話モデルGemini 3.1 Flash Liveを解説。ピッチやテンポなど音響的なニュアンスの認識が向上。ベンチマーク、使える人と利用方法、Gemini Liveでの改善点、企業の採用事例まで。
新着記事
Claude Codeのultrathinkが変更
Claude Codeのultrathinkが、2.1.311からそのターンのeffortを実際にxhighへ引き上げるようになりました。今の仕様、効く条件と虹色の表示、31,999トークンの時代からの変遷、よくある誤解、/effortとの使い分けを解説します。
Grok Botの活用アイデアまとめ
AIエージェント「Grok Bot」の活用アイデアまとめ。公式が紹介する営業・採用・サポートなどのビジネス向けと、Cursorと組み合わせるエンジニア向けの使い方に加え、筆者が実際にやっているX連携・ダイエットの記録・勉強・他社のAIエージェントとの連携などを紹介します。
Grok Botの始め方と使い方
AIエージェント「Grok Bot」の始め方と使い方を実体験から解説。料金と使えるプラン、Xと連携した情報収集やAIポッドキャストなどおすすめの使い方、記憶の整理でミスを減らすコツ、買い物の自動化がまだ難しい理由までまとめます。
Claude Duetとは？Anthropicのクラウド型AIエージェントと、各社の動きをまとめて解説
Anthropicが発表した先回り型のAIエージェント「Claude Duet」の仕組み、承認の仕組み、誰がいつ使えるのかを整理します。あわせてGrok Bot・Muse・dots・Gemini agentと続くクラウド型AIエージェントの流れと、今試すならどれかを解説します。
Gemini NotebookはGoogleドライブのどこまで参照する？フォルダとファイルの参照範囲を解説
Gemini Notebook（旧NotebookLM）とGoogleドライブを連携した時、AIはどこまで情報を参照するのか。指定していないフォルダまで読まれることはあるのか、連携の単位から整理します。
Gemini 4 ArgonはChatGPTやClaudeと比べてどうなのか？公式比較・外部評価・得意不得意を解説
Googleの最上位モデルGemini 4 Argonを、ChatGPT（GPT-6 Astra）やClaude（Fable 5.1・Opus 5.5）と比較。Googleの公式比較、Artificial AnalysisやVals AIなど外部の評価、実際に使った感想から、Argonの得意なこと・不得意なことを整理します。
Google AI Studioで作ったAndroidアプリを自分のスマホに入れられるように｜開発者アカウント不要
10月13日のGoogle Playの発表で、Google AI Studioで作ったAndroidアプリを自分のスマホにインストールして使えるようになりました。開発者アカウントは不要で、アプリは非公開。何が嬉しいのか、在庫チェックや日報など自分専用の業務アプリの例と、地域・年齢の注意点を解説します。
SynthIDとは？TIMEの「Best Inventions 2026」に選ばれたGoogleの電子透かしをわかりやすく解説
GoogleのSynthIDが、TIME誌の「Best Inventions 2026」に選ばれました。AIが作った画像・音声・動画・テキストに目に見えない電子透かしを入れる技術で、これまでに1,800億件以上に適用されています。何ができるのか、私たちユーザーにとって何が大事なのかを解説します。
MetaのMuseとは？モデルのMuse Spark・Muse Wonderと、パーソナルAIアプリのMuseをわかりやすく解説
Metaが今年から本格展開しているAI「Muse」を整理します。Museはモデルの名前でもあり、アプリの名前でもあります。Muse SparkとMuse Wonderの違い、アメリカでStore1位になったパーソナルAIアプリのMuse、日本で使えるのはどこまでか、中小企業での活用事例、キーマンのアレクサンダー・ワン氏まで解説します。
Muse Spark・Claude Opus 5.5・GPT-6.1 Solを比較。一番安いMetaのモデルは、どこまで戦えるのか
MetaのMuse Spark 1.3を、Claude Opus 5.5とGPT-6.1 Solと比べました。OpenCodeでランディングページを作らせた実験の結果と、Artificial Analysis・Design Arena・Vals AIの外部ベンチマークを整理します。API料金が一番安いMuse Sparkは、Webサイトやデザイン系のタスクで健闘していました。