describe_video
Send local video files to Gemini for direct analysis, returning detailed, timestamped descriptions of visuals and audio. Supports common formats like MP4, MOV, WebM, AVI, MKV, and GIF.
Instructions
把本地视频交给 Gemini 直传识别,返回按时间轴分段的详细内容描述(画面 + 音轨)。
支持 mp4/mov/webm/avi/mkv 等常见视频格式,也直接支持 .gif(以原格式感知完整动画,不抽帧)。
Args: path: 本地视频文件的路径(建议用完整绝对路径)。 prompt: 自定义提示词。传了就【完全覆盖】默认模板(此时 persona/hint 参数被忽略)。 不传则使用内置的“翻译给纯文字 LLM 看”的详细描述模板。 persona: 可选的人设。传了会在默认提示词开头附体一行“你的人设是:…”, 让 Gemini 以该人格来解说视频。仅在未提供 prompt 时生效。 hint: 可选的前置线索——人类观看者对这个视频的形容或背景信息 (如“这是在用鸡蛋下五子棋”“声音对应表情包”)。会注入默认模板, 帮助模型理解抽象、玩梗类内容;同时要求模型以实际所见为准、不迎合虚构。 仅在未提供 prompt 时生效。 low_resolution: 低清模式。开启后约 100 token/秒(标清约 300 token/秒),长视频省钱, 但画面细节会变粗。默认关闭。 max_output_tokens: 最大输出 token 数,默认 30000。内部有 2048 的下限保护 (Gemini 的“思考”token 也计入这里;默认思考等级为 high,思考会占用 数千 token,太小会把正文挤没。思考等级可用环境变量 GEMINI_THINKING_LEVEL 调整)。
Returns: Gemini 生成的视频内容描述文本(末尾可能带用量统计或截断提示)。
Input Schema
| Name | Required | Description | Default |
|---|---|---|---|
| hint | No | ||
| path | Yes | ||
| prompt | No | ||
| persona | No | ||
| low_resolution | No | ||
| max_output_tokens | No |