Gemini API 理解影片與提取時間戳怎麼寫:上載影片或傳 YouTube 連結、按秒提問與 token 換算規則

怎麼用 Gemini API 分析長影片、直接傳公開 YouTube 連結或按 MM:SS 時間戳抽取關鍵片段?本文按官方文檔整理三種傳影片代碼、start_offset 截斷與抽幀率(fps),以及每秒約 258–300 token 的換算規則。

NNathaniel bigo··原創首發·AI 輔助撰寫
10 分鐘讀完
資料核對於 2026-11-18 · 依據官方文檔與公開資料整理 其他 帳號

結論先說

  1. 三種傳影片方式按體積和來源選:小於 20 MB 的極短片段可內聯字節直傳;本地長影片走 Files API 上載(單文件最大 2 GB,必須等狀態變成 ACTIVE 才能提問);已在 YouTube 公開發布的影片直接傳 file_uri 連結,免下載免上載。
  2. 提問和輸出時間戳統一用 MM:SS 格式:比如問「02:15 到 03:40 展示了什麼」,或要求模型按 MM:SS 列出關鍵畫面切換點。
  3. 只看局部片段就配 video_metadata 裁剪:通過 start_offset、end_offset 和抽幀率 fps,只為實際截取的那幾分鐘付 token 費。
  4. 預設每秒影片約合 258–300 token:摺合一分鐘約 1.8 萬 token;長影片把 media_resolution 調成低檔(low)後可降到每秒約 100 token。
  5. 谷歌帳號準備與多工具訂閱入口:使用 Gemini、Google AI Studio 與 Antigravity 需具備符合地區與年齡要求的個人谷歌帳號,缺號可查看本站 谷歌帳號購買說明(含帶 2FA 的 谷歌電郵成品號),跨平台付費訂閱總覽見 AI 會員充值中心。

Gemini API 三種影片輸入方式對比

圖:本站根據 Gemini API 官方文檔:Video understanding 整理的示意圖

本文根據 Google AI for Developers 官方文檔《Video understanding》《Files API》《Gemini Developer API pricing》整理,資料核對於 2026-11-18。配圖為本站整理的示意圖,不是介面截圖。本站(bigolab.com)不是 Google 官方網站。

適用於誰

  • 想用 Gemini API 自動給會議錄像、網課或演示影片生成帶 MM:SS 時間戳的章節摘要與字幕的開發者;
  • 搜「gemini api 影片理解 youtube」,想知道怎麼不下載影片直接把公開 YouTube 網址餵給模型分析的人;
  • 傳大影片報 FAILED_PRECONDITION,或想提前算清一小時影片到底消耗多少 token 的人。

一、本地長影片上載(Files API)與必等的 ACTIVE 狀態

先確認已裝好 google-genai SDK 並配置密鑰(準備步驟見 Gemini API Python 調用入門 與 Gemini API Key 獲取教學)。總請求超過 20 MB 時,官方要求先調 client.files.upload。

新手最常踩的坑是剛上載完立刻發生成請求報 400 FAILED_PRECONDITION:影片上載後後台要做抽幀預處理,狀態先處於 PROCESSING,必須輪詢到 ACTIVE 才能餵給模型:

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"影片處理失敗,狀態:{video_file.state.name}")

response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents=[
        video_file,
        "按 MM:SS 時間戳列出核心議題切換點,並總結 01:20 處的結論。",
    ],
)
print(response.text)

官方提示:請把影片對象放在 contents 列表最前面,文字提問放在後面;Files API 託管文件預設保留 48 小時 後自動清理,不需要繼續複用的敏感錄像也可以主動調 client.files.delete(name=video_file.name) 立即刪除。如果你的影片只有幾秒鐘、連同提示詞整包體積小於 20 MB,也可以跳過上載步驟,直接用 types.Part.from_bytes(data=video_bytes, mime_type="video/mp4") 內聯傳入,省去輪詢等待時間。

二、免下載直傳 YouTube 連結與片段裁剪(video_metadata)

目標影片在 YouTube 上且權限為公開(Public)時,直接用 FileData 傳網址即可。若只看局部幾分鐘,或影片是翻頁很慢的網課,可用 VideoMetadata 指定起止秒數與每秒抽幀數(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="總結這 2 分鐘片段的操作步驟,標出每步對應的 MM:SS 時間點。"),
        ]
    ),
)
print(response.text)

使用 YouTube 直傳需遵守三條官方限制:

  1. 只支持公開影片:私享(Private)與不公開列出(Unlisted)連結無法讀取;
  2. 免費層每日時長上限:API 免費層每天累計最多解析 8 小時 YouTube 影片,開通付費層後解除該每日時長上限;
  3. 抽幀率調節技巧:預設按 1 FPS 採樣並同步讀取音軌。快速動作影片可把 fps 調高到 2 至 5 防漏幀;靜態講座調低到 0.5 可節省大量視覺 token。

三、影片 token 換算規則與報錯排查

影片理解 token 省錢與報錯排查決策

圖:本站根據 Gemini API 官方文檔:Video understanding 整理的排錯與省費示意圖

把長影片塞進模型前,建議先按官方口徑估算開銷,避免一次請求把每分鐘 token 限額(TPM)打滿:

解像度與抽幀設定每秒約佔 token10 分鐘約佔1 小時約佔適用場景
預設解像度(1 FPS + 音頻)約 258–300約 16 萬–18 萬約 95 萬–108 萬需看清畫面小字、代碼框或精細動作的影片
低解像度(low)(1 FPS + 音頻)約 100約 6 萬約 36 萬長篇訪談、大屏演示、兩三小時錄像塞進百萬窗口

超一小時的長影片,建議在 GenerateContentConfig 裏把 media_resolution 設為低解像度(MEDIA_RESOLUTION_LOW)或降低 fps 分段處理;此外新版高級模型還支持可選的智能體影片理解模式(Agentic video understanding),允許模型先檢索時間軸與轉寫文本、再按需拉取關鍵時刻的高清幀,從而大幅壓低超長影片的輸入成本。各模型輸入單價與限流處理詳見 Gemini API 官方價格表 與 Gemini API 429 限流報錯排查。若需準備個人 Google 帳號登入 AI Studio 先免費拖入影片測試,可查看本站 谷歌帳號購買說明 或訪問 充值服務總覽。

常見問題

問:Gemini API 解析影片時只看畫面,還是連說話聲音一起聽?

答:畫面和音軌會同時讀取。即使影片沒有內嵌字幕,模型也能聽懂口播內容並結合畫面標出對應時間戳。

問:為什麼模型給出的時間戳偶爾有一兩秒偏差?

答:因為預設按每秒 1 幀(1 FPS)抽樣。若某個快閃鏡頭只持續半秒,恰好落在兩幀之間就會有秒級誤差;卡點要求高的短影片可在 VideoMetadata 把 fps 設成 2 或更高。

問:能把正在直播的 YouTube Live 連結傳進這個接口嗎?

答:標準 generateContent 接口面向已定長的點播或錄製影片;實時畫面流交互請改用 Gemini Live API(或 AI Studio 的 Stream Realtime 模式)。

問:沒有可用的個人谷歌帳號,或者同時想開其他主流 AI 會員怎麼辦?

答:本站提供即買即發的 谷歌電郵成品號(登入方法見 谷歌帳號購買頁),同時支持支付寶、微信支付與 AlipayHK 自助充值 ChatGPT Plus、Claude Code 等主流服務,實時價格與質保細則以各商品頁說明為準。

相關教學

參考資料

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

Nathaniel 的更多內容

  1. 01

    獨立開發者用 ChatGPT + Codex 跑通產品全流程:市場驗證、PRD、原型到代碼上線覆盤清單

    單人做獨立產品最容易陷入「閉門寫兩個月代碼上線零用戶」或「AI 寫到一半目錄越改越崩」。本文整理「ChatGPT 負責市場驗證、PRD 與覆盤 + Codex 負責工程實現與測試」的五階段雙軌流程,附起手提示詞與 7 項上線覆盤清單。

    ChatGPTCodex0
  2. 02

    用 ChatGPT 批量生成規範文件命名規則、整理混亂目錄樹與合併零散發票抬頭清單腳本

    面對滿桌面的「新建文件夾」「最終版2」和上百張零散電子發票,手工改名抄台帳耗時又容易漏重。本文分享先脫敏取樣、再用 ChatGPT 生成帶預演和回滾日誌的本地 Python 腳本,離線安全完成目錄整理與發票抬頭合併去重的實戰流程。

    ChatGPT0
  3. 03

    用 ChatGPT 做海外電郵營銷(EDM)受眾分層文案、A/B 主題行測試與防進垃圾箱自檢

    做海外獨立站或出海 SaaS 電郵營銷(EDM),最怕千人一面群發被直接送進垃圾箱。本文結合 Gmail/Yahoo 批量發件人規範,梳理用 ChatGPT 設計受眾分層文案、批量生成 A/B 主題行矩陣並開展發前垃圾詞與合規自檢的實戰提示詞。

    ChatGPT0
  4. 04

    用 ChatGPT 寫 Notion Formula 2.0 公式、Obsidian Dataview 查詢與 Airtable 自動化腳本

    給 Notion 數據庫寫多條件 Formula 2.0 公式、給 Obsidian 寫 Dataview 動態看板,或在 Airtable 裏寫自動化腳本,經常因為一個小括號或類型不匹配報錯半天。本文整理三大工具的通用上下文喂料規範與三套直接可複製的生成提示詞。

    ChatGPT其他 AI 工具0
  5. 05

    用 ChatGPT 處理複雜 JSON / YAML / XML 字段映射、格式轉換與校驗規則編寫實戰

    對接第三方 API、遷移 Kubernetes 配置或解析政企 XML 報文時,手工對照幾百行嵌套字段既慢又容易漏掉空值與類型邊界。本文整理用 ChatGPT 完成字段映射表梳理、生成確定性轉換腳本以及編寫 JSON Schema / Pydantic / XSD 校驗規則的實戰流。

    ChatGPT其他 AI 工具0
  6. 06

    用 ChatGPT 準備本科/碩士畢業論文答辯:提煉答辯 PPT 結構、模擬導師犀利追問與 3 分鐘自述稿

    畢業論文寫完後,要在 3–5 分鐘內講清研究價值並頂住答辯評委的連環追問並不輕鬆。本文整理在嚴格遵守高校學術規範的前提下,用 ChatGPT 提煉答辯 PPT 結構、打磨 3 分鐘口語自述稿並開展模擬導師犀利追問的排練流程與提示詞。

    ChatGPT0

同模型

  1. 01

    用 Google Takeout 單獨備份導出 NotebookLM 筆記本與 Gemini 記錄:只勾選指定服務不下載整個雲端硬碟的步驟

    想把 NotebookLM 裏的幾十個研究筆記本、來源副本與音頻概覽,連同 Gemini 聊天記錄一起備份到本地,又怕 Google Takeout 把整個雲端硬碟和相冊全打包?本文講清先取消全選、精準勾選兩項服務、解壓目錄查看與跨號遷移的做法。

    Gemini0
  2. 02

    Google Workspace 企業/教育版管理員怎麼在後台給成員開啟 Gemini 應用、NotebookLM 與設定年齡訪問權限

    團隊成員或學校師生登入 Google Workspace 帳號時提示無權使用 Gemini 或打不開 NotebookLM?本文按 Google 管理控制檯官方文檔整理服務開關路徑、組織部門(OU)與群組放行、18 歲年齡訪問權限設定及對話保留合規配置。

    Gemini0
  3. 03

    安卓手機預設助手換成 Gemini 後設鬧鐘、發短訊或控制智能家居失靈怎麼辦:Workspace 與實用程序擴展開啟步驟

    安卓手機把預設語音助手從 Google Assistant 換成 Gemini 後,喊它定鬧鐘、開手電筒、發短訊或開關智能燈全都沒反應?本文按官方幫助中心整理實用程序(Utilities)、Google Home 與 Workspace 關聯應用開啟步驟及鎖屏放行設定。

    Gemini0
  4. 04

    Gemini 寫長代碼或長文檔到一半突然停住、格式截斷怎麼無縫續寫:錨點接續指令與 Canvas 分塊修改技巧

    讓 Gemini 寫幾百行代碼或萬字長文時經常寫到一半突然停住、Markdown 代碼塊沒閉合,直接回「繼續」又重頭抄一遍?本文整理字面錨點續寫指令、代碼塊防亂碼補齊法與 Canvas 局部圈選修改工作流。

    Gemini0
  5. 05

    NotebookLM 中文音頻播客(Audio Overview)高階玩法:用自定義引導詞控制對談深度、受眾水平與重點章節(附模板)

    NotebookLM 生成的中文音頻播客總是泛泛而談、漏掉核心章節或夾雜生僻英文縮寫?本文按官方幫助中心整理來源勾選過濾、四種播客格式搭配與三維自定義引導詞寫法,附 4 套可直接複製的中文控場模板。

    Gemini0
  6. 06

    NotebookLM 添加 YouTube 影片、網頁或掃描版 PDF 提示「無法導入來源」怎麼辦:無字幕、反爬與純圖 PDF 逐項解決

    往 NotebookLM(Gemini Notebook)塞 YouTube 連結、外文網頁或掃描教材時總是亮紅歎號提示無法導入來源?本文按官方幫助中心逐項排查無字幕影片、反爬動態頁與加密純圖 PDF 的替代導入步驟。

    Gemini0

同產品的其他教學

  1. 01

    iPhone 操作按鈕(Action Button)或鎖屏小組件一鍵開啟 ChatGPT / Gemini 實時語音對話配置教學

    每次在 iPhone 上練口語或語音提問都要解鎖、找圖標、再點耳機按鈕太繁瑣?本文整理利用 iPhone 操作按鈕(Action Button)、iOS 18 鎖屏底部控制項、控制中心與背面輕點一鍵直達 ChatGPT 實時語音或 Gemini Live 的完整步驟。

    ChatGPTGemini0
  2. 02

    Firebase Studio(原 Project IDX)是什麼、怎麼用:瀏覽器雲端全棧開發環境搭配 Gemini 智能體實戰

    以前收藏的 Project IDX 網址為什麼跳到了 Firebase Studio?本文按 Google 官方文檔講清它的全棧雲端定位、App Prototyping 原型智能體、Code 視圖切換、.idx/dev.nix 環境定製與免費工作區上限。

    Gemini其他 AI 工具0
  3. 03

    Google Colab 內置 Gemini 編程助手怎麼用:免費雲端 GPU 筆記本自動生成數據分析代碼、修報錯與限額說明

    不用配本地 Python 環境,怎麼在 Google Colab 雲端筆記本里免費用 Gemini 自動寫數據分析代碼、一鍵修復紅字報錯並跑 Data Science Agent?本文整理四大入口用法、Secrets 密鑰管理與免費版限額。

    Gemini其他 AI 工具0
  4. 04

    Gemini API Token 計數(count_tokens)與多模態計費規則:圖片解像度、音頻秒數與影片幀率怎麼折算 Token

    傳一張高清截圖或一段 10 分鐘影片給 Gemini API 到底扣多少 Token?本文按官方文檔拆解 258 圖片切片、每秒 32 音頻與每秒 263 影片折算公式,附 count_tokens 免費預估與降本代碼。

    Gemini0
  5. 05

    Gemini API 回答被安全策略攔截(SAFETY / PROHIBITED_CONTENT)怎麼辦:閾值調節邊界與合規提示詞排查

    調用 Gemini API 翻譯文檔或分析安全日誌時返回空白、報 finish_reason: SAFETY 或 PROHIBITED_CONTENT 怎麼辦?本文詳解四類可調安全閾值代碼寫法、不可關閉的硬性紅線區別與誤報排查步驟。

    Gemini0
  6. 06

    Gemini API 圖像生成與多輪改圖怎麼調:用 google-genai SDK 出圖、局部修改與寬高比控制參數

    怎麼用 Python 代碼調用 Gemini API 生成高清配圖並像聊天一樣連續局部改圖?本文詳解 google-genai SDK 原生生圖代碼、多輪對話改圖、參考圖融合與 aspect_ratio 寬高比配置。

    Gemini0

0 條評論

登入 後參與評論

還沒有評論,來搶沙發~