গুগল ডিপমাইন্ড জেমিনি 3.7 ফ্ল্যাশ, 3.6 ফ্ল্যাশ এবং 3.5 ফ্ল্যাশ-লাইট মডেলে এজেন্টিক ভিডিও বোঝার ফিচার চালু করেছে, যা টোকন ভোগকে ৮৮% পর্যন্ত কমিয়েছে, খরচকে ৬৬% পর্যন্ত কমিয়েছে এবং নির্ভুলতাকে ৭% পর্যন্ত বাড়িয়েছে। স্থির ফ্রেম রেটে স্ট্যাটিক প্রসেসিং-এর বিপরীতে, এই ফিচারটি জেমিনিকে একটি এজেন্টিক লুপের মাধ্যমে দৃশ্য ফ্রেম, অডিও এবং ট্রান্সক্রিপ্টে ভিডিও সেগমেন্টকে গতিশীলভাবে খোঁজা, স্ক্যান করা এবং পরীক্ষা করার অনুমতি দেয়।

বেঞ্চমার্ক দেখায় যে দক্ষতায় বৃদ্ধি দীর্ঘ-রূপের কনটেন্টে সবচেয়ে বেশি স্পষ্ট — ১০ মিনিটের গাইড থেকে বহু ঘন্টার রেকর্ডিং পর্যন্ত — যেখানে ডেভেলপারদের আগে উচ্চ টোকন খরচ এবং বিবরণের ক্ষতি মধ্যে ট্রেড-অফের সম্মুখীন হওয়া पड़ा। এজেন্টিক বোঝার সঙ্গে জেমিনি 3.7 ফ্ল্যাশ এখন ভিডিও বিশ্লেষণের জন্য নির্ভুলতা-খরচ প্যারেটো সীমানায় অবস্থিত।

মुख্য ক্ষमतাগুলো অন্তর্ভুক্ত করে: সঠিক সম্পাদনের জন্য উপ-সেকেন্ড মুহূর্ত পুনরুদ্ধার; বহু-ঘন্টা ভিডিওতে কুঁজি-খাজানের খোঁজ; উচ্চ-FPS পুনরনমুনের মাধ্যমে অসামান্য শনাক্তকরণ; এবং ক্রিয়া এবং বস্তুর সঠিক গণনা। আরলি অ্যাক্সেস পার্টনারদের মজবूत ফলাফল রিপোর্ট করেছেন। এই ফিচারটি আজ জেমিনি API-এর মাধ্যমে গুগল এআই স্টুডিও এবং জেমিনি এন্টারপ্রাইজ এজেন্ট প্ল্যাটফর্মে উপলব্ধ, যা ভিডিও আপলোড এবং ইউটিউব ভিডিওয়ের জন্য।

মुख্য entidades: কোম্পানিগুলো: গুগল ডিপমাইন্ড, গুগল এআই স্টুডিও, জেমিনি এন্টারপ্রাইজ এজেন্ট প্ল্যাটফর্ম | ব্যক্তি: মারিও লুচিচ

সामान्य প্রশ্ন: এজেন্টিক ভিডিও বোঝার স্ট্যাটিক প্রসেসিং-এর তুলনায় টোকন ব্যবহার কীভাবে কমায়?

স্থির ফ্রেম রেটে ভিডিও ইনজেস্ট করার বদলে, এজেন্টিক ভিডিও বোঝার জেমিনিকে শুধুমাত্র একটি কোয়েরিের উত্তর দিতে প্রাসঙ্গিক ফ্রেম, অডিও বা ট্রান্সক্রিপ্ট সেগমেন্টকে গতিশীলভাবে আনে দেয়, যা দীর্ঘ-রূপের ভিডিওতে টোকন ভোগকে সর্বোচ্চ ৮৮% কমায়।