Vertex AI Media Master 是一个面向 Google Vertex AI 多模态能力的技能，侧重于营销应用场景。根据提供的资料，其核心能力与使用方式如下。
用途与主要能力
视频处理（Gemini 2.0/2.5）方面，该技能支持视频理解，可处理低分辨率下最长 6 小时或默认分辨率下最长 2 小时的视频；Gemini 2.5 Pro 具备 2M 上下文窗口，可处理大量视频内容；支持自动从视频中转录音频、在单次请求中分析多个视频、提取关键片段和场景并进行视频摘要。营销用例包括分析竞品视频广告、从长内容中提取亮点、生成社交媒体视频摘要、转录和添加字幕、识别品牌提及和产品植入。
音频生成与处理方面，涉及 Lyria 模型（2025）的原生音频和音乐生成、带说话人分离的语音转文字、文本转语音生成自然配音、为营销活动创作背景音乐以及音频降噪和质量提升。营销用例包括生成播客脚本和配音、制作音频广告和广播广告、为视频活动制作背景音乐、转录客户访谈、生成多语言配音。
图像生成方面，涉及 Imagen 4（高质量文生图）和 Gemini 2.5 Flash Image（文本与图像交错生成）、风格迁移、产品可视化、活动素材创建。营销用例包括生成个性化广告图像（Adios 方案）、批量创建社交媒体图形、生成产品生活场景图、生成 A/B 测试变体、创建品牌活动视觉。
营销活动自动化方面，涉及 ViGenAiR（将长视频广告自动转换为短视频格式）、Adios（根据受众上下文生成个性化广告图像）、从提示生成照片/配乐/配音等素材、内容管道（电子邮件文案、博客文章、社交媒体、PMax 素材）、目录丰富（多智能体产品上架工作流）。
使用方式
该技能通过 Python SDK 调用 Vertex AI API。资料中给出了初始化 Vertex AI、使用 Gemini 2.5 Pro 处理视频、使用 Imagen 4 生成图像、使用 Gemini 2.5 Flash Image 进行交错生成、使用 Lyria 生成音频的代码示例。同时提供了多频道活动创建、视频再利用管道、个性化广告生成等工作流示例。环境配置包括设置 GOOGLE_CLOUD_PROJECT 和 GOOGLE_APPLICATION_CREDENTIALS 环境变量，以及安装 google-cloud-aiplatform[vision,audio] 和 google-generativeai 包。
适用场景
该技能适用于视频内容分析、音频与音乐生成、图像与广告素材创建、营销活动自动化和内容个性化等场景。资料还提及与 Google Cloud 服务（Cloud Storage、BigQuery、Cloud Functions、Vertex AI Pipelines）及第三方平台（社交媒体 API、营销自动化平台、CMS、DAM 系统）的集成可能性，但未提供具体集成步骤。
限制与注意事项
资料中列出了速率限制（Gemini 2.5 Pro 每分钟 200 万 token，Imagen 4 每分钟 100 张图像）和成本优化建议（使用 Gemini 2.5 Flash、批量请求、缓存视频嵌入、适当使用低分辨率视频）。安全方面建议将 API 密钥保存在 Secret Manager、使用最小权限服务账号、启用 VPC Service Controls、记录所有 API 调用。资料还给出了价格信息：Gemini 2.5 Pro 输入每百万 token 3.50 美元、输出每百万 token 10.50 美元；Imagen 4 每张图像 0.04 美元；视频处理包含在 Gemini token 定价中。成功指标包括素材生成速度（基线每分钟 5 张图像）、内容批准率（目标 >80%）、个性化规模（目标 1000+ 变体）、每素材成本（目标 <0.10 美元/图像）、相比人工制作节省时间（目标减少 90%）。上述价格与指标来自资料，实际可能变化。