Google Gemini z nową funkcją. Nawet ChatGPT tego nie potrafi

Google ogłosił, że jego chatbot zasilany jest teraz przez najnowsze modele językowe Gemini 2.5 Flash oraz Gemini 2.5 Pro, które dotychczas dostępne były w wersjach poglądowych. Na tym jednak nie koniec nowości. 

Do Gemini po cichu trafiła funkcja analizowania filmów, która działa zaskakująco dobrze. 

Gemini już wcześniej potrafił analizować zdjęcia, filmy z YouTube’a czy obraz z kamery w czasie rzeczywistym. Teraz doszła do tego możliwość wykonywania poleceń związanych z własnymi plikami wideo. 

W ramach testu załadowałem krótki fragment wystąpienia generała Mirosława Hermaszewskiego, w którym miałem okazję uczestniczyć kilka lat temu. Gemini - zgodnie z poleceniem - zidentyfikował mówcę i wzorowo streścił jego wypowiedź. 

Poleciłem również sztucznej inteligencji wypunktowanie funkcji omówionych na 9-minutowej prezentacji telefonu z 2021 roku w języku angielskim, ich krótkie opisanie i wskazanie przedziałów czasowych. Gemini wykonał to zadanie bezbłędnie w mniej niż pół minuty. 

AI Google’a poradziło sobie także ze streszczeniem fragmentu konferencji prasowej w języku chińskim. 

To, z czym Gemini za bardzo sobie nie radzi, to precyzyjna analiza ruchu. Gdy załadowałem wideo, na którym otwieram zamek PIN-owy i poprosiłem o wskazanie szyfru, sztuczna inteligencja poległa. Podejrzewam, że algorytm analizuje jedynie dźwięk i co którąś klatkę obrazu. 

Konkurencyjny ChatGPT w teorii co prawda także potrafi analizować pliki wideo, ale w praktyce ta analiza sprowadza się do wskazania formatu, rozdzielczości, klatkażu czy bitrate’u. Gemini ma na tym polu miażdżącą przewagę, bo faktycznie uwzględnia treść wideo razem z dźwiękiem. 

W chwili publikacji tego artykułu analiza wideo działa jedynie w płatnym planie Google AI Pro, wycenionym na 97,99 zł/mies. Niewykluczone jednak, że wkrótce się to zmieni, bo większość dotychczasowych funkcji zdążyła już trafić do planu darmowego, choć zazwyczaj następuje to z kilkutygodniowym opóźnieniem.