Geminiのagentic video understandingとは？動画分析の精度が上がる新機能

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。

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

1. 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
2. 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
3. 特に長い動画ほど効果的
4. 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。