На записи выставочного макета камера проходит от таблички к маленькому подъёмному мосту. За кадром кто-то объясняет, как мост открывается. Мне предстоит вырезать из записи три коротких фрагмента: вид у входа, движение моста и одну реплику. Если просто прогнать видео через нейросеть и попросить рассказать, о чём оно, получится связный пересказ без точных мест. Для монтажа я попрошу карту событий, в которой есть время начала и конца, видимое действие и отдельно то, что слышно. Такой черновик можно сравнить с записью, прежде чем резать исходный файл.
Слово «прогнать» может иметь в виду другой результат. Когда мне нужно, чтобы видео стало более плавным, я открою инструкцию по стабилизации и сравню короткий отрезок до и после. Если нужно убрать шум речи, отдельной задачей будет звук. Здесь на выходе я хочу текст с таймкодами, а файл останется исходным. Это помогает заранее решить, что проверить и какой режим искать у модели.
Что подготовить к разбору записи
Для первой пробы возьму одну открытую запись макета без чужих лиц, переговоров и видимых личных данных. Выделю отрезок, где есть и движение, и одна понятная фраза. Если буду загружать пробу из середины ролика, запишу начало отрезка по исходнику. Например, файл начинается на 01:10 общей записи, а в ответе движение найдено на 00:03. В своём монтажном листе поставлю 01:13 и посмотрю, что в этот момент действительно происходит. Время из модели без просмотра лучше держать как подсказку к месту.
Gemini API описывает возможность передать видео, задавать о нём вопросы и получать упоминания отдельных временных отметок. В пользовательских Gemini Apps есть загрузка файлов; на странице помощи отдельно перечисляются ограничения доступных аккаунтов. В пробе нам пригодится приложение, которое принимает видео и может дать описание кадров. Для рабочего кода при необходимости отдельно проверю документацию API. Видео в Gemini API Загрузка файлов в Gemini Apps
