Google, Gemini API için “agentic video understanding” adını verdiği yeni bir video inceleme yöntemi yayımladı. Sistem videoyu baştan sona sabit kare hızında tüketmek yerine soruya göre hangi bölümü, hangi hızda ve hangi veri türüyle inceleyeceğine karar veriyor. Google'ın kendi testlerinde token kullanımında yüzde 88'e, sorgu maliyetinde yüzde 66'ya kadar düşüş ve doğrulukta yüzde 7'ye kadar artış bildiriliyor. Bu oranların her video ve görev için garanti olmadığını baştan belirtmek gerekiyor.
Eski Yöntemde Sorun Neydi?
Video modelleri çoğunlukla görüntüyü saniyede belirli sayıda kareyle örnekler, sesi ve altyazıyı da bağlama ekler. Gemini tarafında varsayılan statik işleme saniyede bir kare kullanabiliyor. Bir saatlik videoda 3.600 kare oluşur; yanıt yalnızca 42. dakikadaki birkaç saniyeye bağlı olsa bile sistem geniş bir bağlamı işler. Daha yüksek kare hızı kısa hareketleri yakalar fakat token ve maliyet hızla büyür.
Düşük kare hızı seçildiğinde ise hızlı bir hareket, ekrandaki kısa uyarı veya tek karelik kurgu hatası kaçabilir. Geliştiriciler bunu çözmek için önce transkriptte arama, ardından ilgili aralığı yüksek kare hızında yeniden analiz etme gibi özel akışlar kuruyordu. Yeni agentic mod bu karar döngüsünü modelin kendi araç kullanımına taşıyor.
Agentic Video Nasıl Çalışıyor?
Sistem önce kullanıcı sorusunu değerlendiriyor. Ardından transkripti alma, belirli zaman aralığından kare çıkarma ve ses bölümünü yükleme gibi dahili video araçlarını çağırabiliyor. İlk taramada olası anı bulup yalnız o bölümü daha yüksek kare hızında tekrar inceleyebiliyor. Google bunu düşün, araç çağır, gözlemle ve gerekirse yeniden incele döngüsü olarak açıklıyor.
Bu yöntem bütün videoyu “anlamadan” atlamak anlamına gelmiyor. Model, soruya uygun kanıtı bulmaya çalışırken farklı veri kanallarını kullanıyor. Örneğin konuşmacının belirli bir cümlesi için transkript yeterli olabilir; bir futbolcunun topa kaç kez dokunduğunu saymak için görüntü kareleri; motor sesindeki anormallik için ses bölümü gerekebilir.
Hangi Modellerde ve Nerede Kullanılıyor?
Özellik Gemini 3.7 Flash, 3.6 Flash ve 3.5 Flash-Lite modellerinde sunuluyor. Video dosyaları ile YouTube videoları, Gemini API üzerinden Google AI Studio ve Gemini Enterprise Agent Platform ortamlarında işlenebiliyor. API yapılandırmasında işleme biçiminin “agentic” olarak seçilmesi yeterli. Google, bu özellik için ayrı ücret olmadığını; standart model token fiyatlandırmasının geçerli olduğunu belirtiyor.
Gemini uygulamasındaki Flash ve Flash-Lite kullanıcılarına da kademeli geçiş planlanıyor. Google ayrıca ilerleyen aylarda YouTube izleme sayfasındaki Ask YouTube özelliğinin aynı yaklaşımı kullanacağını söylüyor. Bölge, hesap ve ürün planına göre dağıtım zamanı değişebilir.
Yüzde 88 Daha Az Token Ne Anlama Geliyor?
Google'ın verdiği en yüksek oranlar standart video analizi kıyaslamalarından geliyor. Model, gereksiz bölümleri ayrıntılı biçimde işlemek yerine hedef aralıklara odaklandığında bağlama eklenen veri azalıyor. Özellikle 10 dakikalık eğitimlerden 90 dakikalık derslere ve birkaç saatlik kayıtlara uzanan içeriklerde kazanç daha görünür olabilir.
Ancak soru “videonun her sahnesini ayrıntılı özetle” olduğunda sistemin geniş bölümü incelemesi gerekir ve tasarruf küçülebilir. Yoğun kurgu, zayıf ses, hatalı altyazı veya birden çok benzer olay modelin daha fazla tur yapmasına neden olabilir. Bu yüzden yüzde 88, kapasite üst sınırı; bütçe planında tek sabit değer olarak kullanılmamalı.
Kullanım Alanları
- Uzun eğitim videoları: Belirli bir kavramın anlatıldığı anı bulup özetlemek.
- Kurgu ve medya: Saniyenin altındaki kesme noktalarını veya görsel hataları belirlemek.
- Güvenlik ve üretim: Belirli zaman aralığında sıra dışı hareketi yeniden yüksek kare hızında incelemek.
- Spor analizi: Tekrarlanan hareketleri, nesneleri veya kısa temasları saymak.
- Toplantı ve etkinlik: Transkript, slayt ve konuşmacı değişimini birlikte değerlendirmek.
- Arşiv araması: Saatlerce görüntü içinde tarif edilen sahneyi bulmak.
Riskler ve Doğrulama İhtiyacı
Hedefli inceleme maliyeti düşürürken yanlış bölgeye odaklanma riski taşır. Model ilk taramada kritik anı kaçırırsa sonraki ayrıntılı analiz doğru kanıta hiç ulaşmayabilir. Güvenlik kamerası, kalite kontrol veya sağlık gibi yüksek etkili alanlarda sonuç insan incelemesi ve klasik sinyal işleme yöntemleriyle doğrulanmalı.
Video yüklemek ayrıca gizlilik ve telif soruları doğurur. Müşteri görüşmesi, kurum içi eğitim veya kişisel görüntü API'ye gönderilmeden önce veri saklama, bölge, erişim ve silme politikaları kontrol edilmeli. YouTube bağlantısının teknik olarak işlenebilmesi, içeriğin her amaçla yeniden kullanılabileceği anlamına gelmez.
Geliştirici İçin Başlangıç Kontrol Listesi
Önce ölçülebilir bir görev seçin ve statik modla agentic modu aynı video kümesinde karşılaştırın. Doğruluk, toplam token, gecikme ve maliyeti ayrı kaydedin. Yanıtın dayandığı zaman damgalarını istemek ve rastgele örnekleri insanla kontrol etmek hata görünürlüğünü artırır. Kritik işlerde agentic sonuç başarısız olduğunda daha geniş statik taramaya dönen bir yedek akış kurulmalı.
Almadanincele Yorumu
Gemini'nin yeniliği yeni bir video modeli sunmaktan çok, modelin neyi izleyeceğine karar verme işini ürünleştirmesi. Uzun videolarda maliyeti gerçekten belirleyen ayrıntı budur. Doğru çalışırsa geliştiricinin elle kurduğu transkript arama ve yeniden örnekleme zincirini önemli ölçüde sadeleştirir.
Bizce en sağlıklı kullanım, tasarruf oranını doğrudan kabul etmek yerine kendi video türünüzle A/B testi yapmak. Hızlı spor görüntüsü, uzun ders ve sabit güvenlik kamerası aynı davranışı göstermez. Maliyet düşüşü güzel; kritik anın kaçmadığını kanıtlayan değerlendirme seti daha değerlidir.
Kapak görseli: Google resmi agentic video çalışma şeması. Kullanım bilgisi: Üreticinin veya ilgili kurumun resmi basın materyali; hakları ilgili kurumdadır ve haber bağlamında kaynak gösterilerek editoryal kullanım.
