用途:该技能通过 Google Gemini API 对视频进行综合分析,支持视频内容描述、摘要、问答、音频转录(含画面描述与时间戳)、定位特定时间点、截取片段、对比多个视频以及直接分析 YouTube 视频。
主要能力:视频摘要;针对视频内容提问;带时间戳和视觉描述的转录;查询 MM:SS 时刻内容;用起止偏移处理片段;最多对比 10 个视频(Gemini 2.5+);YouTube 预览支持;自定义帧采样率。支持 MP4、MPEG、MOV、AVI、FLV、MPG、WebM、WMV、3GPP 格式。可选模型包括 gemini-2.5-pro、gemini-2.5-flash、gemini-2.5-flash-preview-09-2025、gemini-2.0-flash、gemini-2.0-flash-lite。
使用方式:需先配置 GEMINI_API_KEY,技能按进程环境变量、技能目录 .claude/skills/gemini-video-understanding/.env、项目根目录 .env 的顺序查找。设置示例:export GEMINI_API_KEY="your-api-key-here"。基本调用:python .claude/skills/gemini-video-understanding/scripts/analyze_video.py --video-path "/path/to/video.mp4" --prompt "Summarize this video in 3 key points"。YouTube:--youtube-url;片段:--start-offset 与 --end-offset;帧率:--fps;多视频:--video-paths;模型:--model;另有 --output-file、--verbose。
适用场景:视频摘要、教育内容与测验、时间点问答、转录、内容对比、动作检测等。
限制:免费层约 10-15 RPM、1M-4M TPM、1500 RPD;YouTube 免费层每天 8 小时且仅公开视频;Files API 每项目 20GB、单文件 2GB、保留 48 小时;>20MB 建议走 Files API 并等待 ACTIVE;需处理 400/403/404/429/500 等错误。