用途：使用 Gemini 2.5 Flash 理解和分析多媒体内容，适用于理解图片、分析视频、音频转文字、视频问答等场景。
支持格式与大小：图片支持 jpg、jpeg、png、gif、webp，最大 20MB；视频支持 mp4、mpeg、mov、webm 及 YouTube URL，最大 100MB；音频支持 wav、mp3、aiff、aac、ogg、flac、m4a，最大 100MB。
前提条件：需要 MAX_API_KEY 环境变量（由 Max 自动注入）；需要 Bun 1.0+（Max v0.0.27+ 已内置，无需额外安装）。
使用方式：命令为 bun skills/media-understand/media-understand.js <media_path_or_url> [prompt] [language]。参数依次为媒体文件路径或 YouTube URL、问题或分析请求（默认“Please describe this content”）、输出语言（chinese 或 english，默认 chinese）。
典型用法：图片可描述内容、OCR 提取文字、回答图表问题；视频可总结 YouTube 视频、分析本地视频、按时间戳提问；音频可转录、总结播客、识别说话人。
限制与注意：视频经 Gemini 处理时 YouTube URL 效果最佳，本地视频文件支持可能有限；音频约 32 tokens/秒，视频默认分辨率约 300 tokens/秒，长媒体文件会消耗更多 tokens。常见错误包括文件未找到、格式不支持、文件过大（需压缩或裁剪）以及 API 错误（需在 Max 设置中检查 Max API Key 配置）。