最近在帮一个老板搞ai视频一条龙。其中有一个步骤是分析大量只有10秒~30秒的视频片段，提炼出每个片段的标签（5~10个关键字）。用的谷歌全家桶。最开始老板给我的方案是用谷歌有个Video Intelligence API，可以提炼标签。后面发现gemini直接分析视频比这货省太多钱了。6000个视频估算Video Intelligence API要花500刀，gemini可能只要20刀。而且gemini还可以用提示词定制它输出哪些属性关键字。有一说一，我以前一直以为大模型只能识别图片，没想到视频也没问题。