Gemini API 理解视频与提取时间戳怎么写:上传视频或传 YouTube 链接、按秒提问与 token 换算规则

怎么用 Gemini API 分析长视频、直接传公开 YouTube 链接或按 MM:SS 时间戳抽取关键片段?本文按官方文档整理三种传视频代码、start_offset 截断与抽帧率(fps),以及每秒约 258–300 token 的换算规则。

NNathaniel bigo··原创首发·AI 辅助撰写
10 分钟读完
资料核对于 2026-11-18 · 依据官方文档与公开资料整理 其他 账号

结论先说

  1. 三种传视频方式按体积和来源选:小于 20 MB 的极短片段可内联字节直传;本地长视频走 Files API 上传(单文件最大 2 GB,必须等状态变成 ACTIVE 才能提问);已在 YouTube 公开发布的视频直接传 file_uri 链接,免下载免上传。
  2. 提问和输出时间戳统一用 MM:SS 格式:比如问「02:15 到 03:40 展示了什么」,或要求模型按 MM:SS 列出关键画面切换点。
  3. 只看局部片段就配 video_metadata 裁剪:通过 start_offset、end_offset 和抽帧率 fps,只为实际截取的那几分钟付 token 费。
  4. 默认每秒视频约合 258–300 token:折合一分钟约 1.8 万 token;长视频把 media_resolution 调成低档(low)后可降到每秒约 100 token。
  5. 谷歌账号准备与多工具订阅入口:使用 Gemini、Google AI Studio 与 Antigravity 需具备符合地区与年龄要求的个人谷歌账号,缺号可查看本站 谷歌账号购买说明(含带 2FA 的 谷歌邮箱成品号),跨平台付费订阅总览见 AI 会员充值中心。

Gemini API 三种视频输入方式对比

图:本站根据 Gemini API 官方文档:Video understanding 整理的示意图

本文根据 Google AI for Developers 官方文档《Video understanding》《Files API》《Gemini Developer API pricing》整理,资料核对于 2026-11-18。配图为本站整理的示意图,不是界面截图。本站(bigolab.com)不是 Google 官方网站。

适用于谁

  • 想用 Gemini API 自动给会议录像、网课或演示视频生成带 MM:SS 时间戳的章节摘要与字幕的开发者;
  • 搜「gemini api 视频理解 youtube」,想知道怎么不下载视频直接把公开 YouTube 网址喂给模型分析的人;
  • 传大视频报 FAILED_PRECONDITION,或想提前算清一小时视频到底消耗多少 token 的人。

一、本地长视频上传(Files API)与必等的 ACTIVE 状态

先确认已装好 google-genai SDK 并配置密钥(准备步骤见 Gemini API Python 调用入门 与 Gemini API Key 获取教程)。总请求超过 20 MB 时,官方要求先调 client.files.upload。

新手最常踩的坑是刚上传完立刻发生成请求报 400 FAILED_PRECONDITION:视频上传后后台要做抽帧预处理,状态先处于 PROCESSING,必须轮询到 ACTIVE 才能喂给模型:

python
import time
from google import genai

client = genai.Client()

video_file = client.files.upload(file="demo_meeting.mp4")
while video_file.state.name == "PROCESSING":
    time.sleep(5)
    video_file = client.files.get(name=video_file.name)

if video_file.state.name != "ACTIVE":
    raise RuntimeError(f"视频处理失败,状态:{video_file.state.name}")

response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents=[
        video_file,
        "按 MM:SS 时间戳列出核心议题切换点,并总结 01:20 处的结论。",
    ],
)
print(response.text)

官方提示:请把视频对象放在 contents 列表最前面,文字提问放在后面;Files API 托管文件默认保留 48 小时 后自动清理,不需要继续复用的敏感录像也可以主动调 client.files.delete(name=video_file.name) 立即删除。如果你的视频只有几秒钟、连同提示词整包体积小于 20 MB,也可以跳过上传步骤,直接用 types.Part.from_bytes(data=video_bytes, mime_type="video/mp4") 内联传入,省去轮询等待时间。

二、免下载直传 YouTube 链接与片段裁剪(video_metadata)

目标视频在 YouTube 上且权限为公开(Public)时,直接用 FileData 传网址即可。若只看局部几分钟,或视频是翻页很慢的网课,可用 VideoMetadata 指定起止秒数与每秒抽帧数(fps):

python
from google import genai
from google.genai import types

client = genai.Client()

response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents=types.Content(
        parts=[
            types.Part(
                file_data=types.FileData(file_uri="https://www.youtube.com/watch?v=9hE5-98ZeCg"),
                video_metadata=types.VideoMetadata(start_offset="30s", end_offset="150s", fps=0.5),
            ),
            types.Part(text="总结这 2 分钟片段的操作步骤,标出每步对应的 MM:SS 时间点。"),
        ]
    ),
)
print(response.text)

使用 YouTube 直传需遵守三条官方限制:

  1. 只支持公开视频:私享(Private)与不公开列出(Unlisted)链接无法读取;
  2. 免费层每日时长上限:API 免费层每天累计最多解析 8 小时 YouTube 视频,开通付费层后解除该每日时长上限;
  3. 抽帧率调节技巧:默认按 1 FPS 采样并同步读取音轨。快速动作视频可把 fps 调高到 2 至 5 防漏帧;静态讲座调低到 0.5 可节省大量视觉 token。

三、视频 token 换算规则与报错排查

视频理解 token 省钱与报错排查决策

图:本站根据 Gemini API 官方文档:Video understanding 整理的排错与省费示意图

把长视频塞进模型前,建议先按官方口径估算开销,避免一次请求把每分钟 token 限额(TPM)打满:

分辨率与抽帧设置每秒约占 token10 分钟约占1 小时约占适用场景
默认分辨率(1 FPS + 音频)约 258–300约 16 万–18 万约 95 万–108 万需看清画面小字、代码框或精细动作的视频
低分辨率(low)(1 FPS + 音频)约 100约 6 万约 36 万长篇访谈、大屏演示、两三小时录像塞进百万窗口

超一小时的长视频,建议在 GenerateContentConfig 里把 media_resolution 设为低分辨率(MEDIA_RESOLUTION_LOW)或降低 fps 分段处理;此外新版高级模型还支持可选的智能体视频理解模式(Agentic video understanding),允许模型先检索时间轴与转写文本、再按需拉取关键时刻的高清帧,从而大幅压低超长视频的输入成本。各模型输入单价与限流处理详见 Gemini API 官方价格表 与 Gemini API 429 限流报错排查。若需准备个人 Google 账号登录 AI Studio 先免费拖入视频测试,可查看本站 谷歌账号购买说明 或访问 充值服务总览。

常见问题

问:Gemini API 解析视频时只看画面,还是连说话声音一起听?

答:画面和音轨会同时读取。即使视频没有内嵌字幕,模型也能听懂口播内容并结合画面标出对应时间戳。

问:为什么模型给出的时间戳偶尔有一两秒偏差?

答:因为默认按每秒 1 帧(1 FPS)抽样。若某个快闪镜头只持续半秒,恰好落在两帧之间就会有秒级误差;卡点要求高的短视频可在 VideoMetadata 把 fps 设成 2 或更高。

问:能把正在直播的 YouTube Live 链接传进这个接口吗?

答:标准 generateContent 接口面向已定长的点播或录制视频;实时画面流交互请改用 Gemini Live API(或 AI Studio 的 Stream Realtime 模式)。

问:没有可用的个人谷歌账号,或者同时想开其他主流 AI 会员怎么办?

答:本站提供即买即发的 谷歌邮箱成品号(登录方法见 谷歌账号购买页),同时支持支付宝、微信支付与 AlipayHK 自助充值 ChatGPT Plus、Claude Code 等主流服务,实时价格与质保细则以各商品页说明为准。

相关教程

参考资料

  • Gemini API 官方文档:Video understanding — https://ai.google.dev/gemini-api/docs/video-understanding
  • Gemini API 官方文档:Files API — https://ai.google.dev/gemini-api/docs/files
  • Gemini Developer API pricing — https://ai.google.dev/gemini-api/docs/pricing

Nathaniel 的更多内容

  1. 01

    独立开发者用 ChatGPT + Codex 跑通产品全流程:市场验证、PRD、原型到代码上线复盘清单

    单人做独立产品最容易陷入「闭门写两个月代码上线零用户」或「AI 写到一半目录越改越崩」。本文整理「ChatGPT 负责市场验证、PRD 与复盘 + Codex 负责工程实现与测试」的五阶段双轨流程,附起手提示词与 7 项上线复盘清单。

    ChatGPTCodex0
  2. 02

    用 ChatGPT 批量生成规范文件命名规则、整理混乱目录树与合并零散发票抬头清单脚本

    面对满桌面的「新建文件夹」「最终版2」和上百张零散电子发票,手工改名抄台账耗时又容易漏重。本文分享先脱敏取样、再用 ChatGPT 生成带预演和回滚日志的本地 Python 脚本,离线安全完成目录整理与发票抬头合并去重的实战流程。

    ChatGPT0
  3. 03

    用 ChatGPT 做海外邮件营销(EDM)受众分层文案、A/B 主题行测试与防进垃圾箱自检

    做海外独立站或出海 SaaS 邮件营销(EDM),最怕千人一面群发被直接送进垃圾箱。本文结合 Gmail/Yahoo 批量发件人规范,梳理用 ChatGPT 设计受众分层文案、批量生成 A/B 主题行矩阵并开展发前垃圾词与合规自检的实战提示词。

    ChatGPT0
  4. 04

    用 ChatGPT 写 Notion Formula 2.0 公式、Obsidian Dataview 查询与 Airtable 自动化脚本

    给 Notion 数据库写多条件 Formula 2.0 公式、给 Obsidian 写 Dataview 动态看板,或在 Airtable 里写自动化脚本,经常因为一个小括号或类型不匹配报错半天。本文整理三大工具的通用上下文喂料规范与三套直接可复制的生成提示词。

    ChatGPT其他 AI 工具0
  5. 05

    用 ChatGPT 处理复杂 JSON / YAML / XML 字段映射、格式转换与校验规则编写实战

    对接第三方 API、迁移 Kubernetes 配置或解析政企 XML 报文时,手工对照几百行嵌套字段既慢又容易漏掉空值与类型边界。本文整理用 ChatGPT 完成字段映射表梳理、生成确定性转换脚本以及编写 JSON Schema / Pydantic / XSD 校验规则的实战流。

    ChatGPT其他 AI 工具0
  6. 06

    用 ChatGPT 准备本科/硕士毕业论文答辩:提炼答辩 PPT 结构、模拟导师犀利追问与 3 分钟自述稿

    毕业论文写完后,要在 3–5 分钟内讲清研究价值并顶住答辩评委的连环追问并不轻松。本文整理在严格遵守高校学术规范的前提下,用 ChatGPT 提炼答辩 PPT 结构、打磨 3 分钟口语自述稿并开展模拟导师犀利追问的排练流程与提示词。

    ChatGPT0

同模型

  1. 01

    用 Google Takeout 单独备份导出 NotebookLM 笔记本与 Gemini 记录:只勾选指定服务不下载整个云端硬盘的步骤

    想把 NotebookLM 里的几十个研究笔记本、来源副本与音频概览,连同 Gemini 聊天记录一起备份到本地,又怕 Google Takeout 把整个云端硬盘和相册全打包?本文讲清先取消全选、精准勾选两项服务、解压目录查看与跨号迁移的做法。

    Gemini0
  2. 02

    Google Workspace 企业/教育版管理员怎么在后台给成员开启 Gemini 应用、NotebookLM 与设置年龄访问权限

    团队成员或学校师生登录 Google Workspace 账号时提示无权使用 Gemini 或打不开 NotebookLM?本文按 Google 管理控制台官方文档整理服务开关路径、组织部门(OU)与群组放行、18 岁年龄访问权限设置及对话保留合规配置。

    Gemini0
  3. 03

    安卓手机默认助手换成 Gemini 后设闹钟、发短信或控制智能家居失灵怎么办:Workspace 与实用程序扩展开启步骤

    安卓手机把默认语音助手从 Google Assistant 换成 Gemini 后,喊它定闹钟、开手电筒、发短信或开关智能灯全都没反应?本文按官方帮助中心整理实用程序(Utilities)、Google Home 与 Workspace 关联应用开启步骤及锁屏放行设置。

    Gemini0
  4. 04

    Gemini 写长代码或长文档到一半突然停住、格式截断怎么无缝续写:锚点接续指令与 Canvas 分块修改技巧

    让 Gemini 写几百行代码或万字长文时经常写到一半突然停住、Markdown 代码块没闭合,直接回「继续」又重头抄一遍?本文整理字面锚点续写指令、代码块防乱码补齐法与 Canvas 局部圈选修改工作流。

    Gemini0
  5. 05

    NotebookLM 中文音频播客(Audio Overview)高阶玩法:用自定义引导词控制对谈深度、受众水平与重点章节(附模板)

    NotebookLM 生成的中文音频播客总是泛泛而谈、漏掉核心章节或夹杂生僻英文缩写?本文按官方帮助中心整理来源勾选过滤、四种播客格式搭配与三维自定义引导词写法,附 4 套可直接复制的中文控场模板。

    Gemini0
  6. 06

    NotebookLM 添加 YouTube 视频、网页或扫描版 PDF 提示「无法导入来源」怎么办:无字幕、反爬与纯图 PDF 逐项解决

    往 NotebookLM(Gemini Notebook)塞 YouTube 链接、外文网页或扫描教材时总是亮红叹号提示无法导入来源?本文按官方帮助中心逐项排查无字幕视频、反爬动态页与加密纯图 PDF 的替代导入步骤。

    Gemini0

同产品的其他教程

  1. 01

    iPhone 操作按钮(Action Button)或锁屏小组件一键开启 ChatGPT / Gemini 实时语音对话配置教程

    每次在 iPhone 上练口语或语音提问都要解锁、找图标、再点耳机按钮太繁琐?本文整理利用 iPhone 操作按钮(Action Button)、iOS 18 锁屏底部控制项、控制中心与背面轻点一键直达 ChatGPT 实时语音或 Gemini Live 的完整步骤。

    ChatGPTGemini0
  2. 02

    Firebase Studio(原 Project IDX)是什么、怎么用:浏览器云端全栈开发环境搭配 Gemini 智能体实战

    以前收藏的 Project IDX 网址为什么跳到了 Firebase Studio?本文按 Google 官方文档讲清它的全栈云端定位、App Prototyping 原型智能体、Code 视图切换、.idx/dev.nix 环境定制与免费工作区上限。

    Gemini其他 AI 工具0
  3. 03

    Google Colab 内置 Gemini 编程助手怎么用:免费云端 GPU 笔记本自动生成数据分析代码、修报错与限额说明

    不用配本地 Python 环境,怎么在 Google Colab 云端笔记本里免费用 Gemini 自动写数据分析代码、一键修复红字报错并跑 Data Science Agent?本文整理四大入口用法、Secrets 密钥管理与免费版限额。

    Gemini其他 AI 工具0
  4. 04

    Gemini API Token 计数(count_tokens)与多模态计费规则:图片分辨率、音频秒数与视频帧率怎么折算 Token

    传一张高清截图或一段 10 分钟视频给 Gemini API 到底扣多少 Token?本文按官方文档拆解 258 图片切片、每秒 32 音频与每秒 263 视频折算公式,附 count_tokens 免费预估与降本代码。

    Gemini0
  5. 05

    Gemini API 回答被安全策略拦截(SAFETY / PROHIBITED_CONTENT)怎么办:阈值调节边界与合规提示词排查

    调用 Gemini API 翻译文档或分析安全日志时返回空白、报 finish_reason: SAFETY 或 PROHIBITED_CONTENT 怎么办?本文详解四类可调安全阈值代码写法、不可关闭的硬性红线区别与误报排查步骤。

    Gemini0
  6. 06

    Gemini API 图像生成与多轮改图怎么调:用 google-genai SDK 出图、局部修改与宽高比控制参数

    怎么用 Python 代码调用 Gemini API 生成高清配图并像聊天一样连续局部改图?本文详解 google-genai SDK 原生生图代码、多轮对话改图、参考图融合与 aspect_ratio 宽高比配置。

    Gemini0

0 条评论

登录 后参与评论

还没有评论,来抢沙发~