用途：调用 Google Gemini 多模态 API，处理音频、图像、视频、文档，并生成图像与视频。
主要能力：音频转写与分析、图像理解（描述、分类、OCR、检测分割）、视频分析（含 YouTube 输入、时序问答、场景检测）、文档转 Markdown，以及用 Imagen 4 生成图像、用 Veo 生成带音频的 8 秒视频。
使用方式：先设置 export GEMINI_API_KEY="your-key"（密钥来自 https://aistudio.google.com/apikey），并 pip install google-genai python-dotenv pillow。用 python scripts/check_setup.py 验证环境。分析媒体：python scripts/gemini_batch_process.py --files <file> --task <analyze|transcribe|extract>；生成内容：python scripts/gemini_batch_process.py --task <generate|generate-video> --prompt "description"。支持 stdin 管道输入，如 cat image.png | python scripts/gemini_batch_process.py --task analyze --prompt "Describe this"。若 gemini 命令可用，也可用 "<prompt>" | gemini -y -m gemini-2.5-flash。
模型：图像生成 imagen-4.0-generate-001（标准）、imagen-4.0-ultra-generate-001（质量）、imagen-4.0-fast-generate-001（速度）；视频生成 veo-3.1-generate-preview；分析 gemini-2.5-flash（推荐）、gemini-2.5-pro（进阶）。
脚本：gemini_batch_process.py 为 CLI 编排器；media_optimizer.py 用 ffmpeg/Pillow 压缩、缩放、转换并切分长片段；document_converter.py 将 PDF/图像/Office 文档转为 Markdown；check_setup.py 检查依赖与密钥并做实时调用。
限制：格式支持音频 WAV/MP3/AAC（9.5 小时）、图像 PNG/JPEG/WEBP（3.6k）、视频 MP4/MOV（6 小时）、PDF（1k 页）；内联 20MB，File API 2GB。费用与价格资料未提供具体数值。