AI 分析视频的底层逻辑是什么，成本有多高？

https://ai.google.dev/gemini-api/docs/video-understanding?hl=zh-cn#technical-details-video

```有关视频技术方面的详细信息
支持的模型和上下文：所有 Gemini 2.0 和 2.5 模型都可以处理视频数据。
上下文窗口为 200 万个 token 的模型可以处理时长不超过 2 小时（默认媒体分辨率）或 6 小时（低媒体分辨率）的视频，而上下文窗口为 100 万个 token 的模型则可以处理时长不超过 1 小时（默认媒体分辨率）或 3 小时（低媒体分辨率）的视频。
File API 处理：使用 File API 时，视频的存储速率为 1 帧/秒 (FPS)，音频的处理速率则为 1Kbps （单声道）。每秒都会添加时间戳。
为了改进推理，这些速率将来可能会发生变化。
您可以设置自定义帧速率，以替换 1 FPS 的采样率。
token 计算：视频的每一秒都按如下方式计算 token：
各帧（选段率为 1 FPS ）：
如果 mediaResolution 设置为低，则每帧按 66 个 token 计算。
否则，每帧按 258 个 token 计算。
音频：每秒 32 个 token 。
元数据也包含在内。
总计：默认媒体分辨率下，每秒视频大约需要 300 个 token ；低媒体分辨率下，每秒视频大约需要 100 个 token 。
媒体分辨率：Gemini 3 通过 media_resolution 参数引入了对多模态视觉处理的精细控制。media_resolution 参数用于确定为每个输入图片或视频帧分配的词元数量上限。分辨率越高，模型读取精细文本或识别细微细节的能力就越强，但会增加令牌使用量和延迟时间。

如需详细了解该参数及其对令牌计算的影响，请参阅媒体分辨率指南。

时间戳格式：在提示中引用视频中的特定时刻时，请使用 MM:SS 格式（例如，01:15 表示 1 分 15 秒）。

最佳实践：

为获得最佳效果，每个提示请求仅使用一个视频。
如果将文本与单个视频相结合，请在 contents 数组中将文本提示放在视频部分之后。
请注意，如果选段率为 1 FPS ，快速动作序列可能会丢失细节。如有必要，可以考虑放慢此类片段的播放速度。
```
因此很明显,抽帧 1 图/s+音频转文本 ASR

```
想对大量短视频内容进行提取或总结，现阶段，有什么可行方案吗？
```

一个支持多模态的 AI 接口+ASR 引擎即可

https://yiyan.baidu.com/blog/zh/posts/ernie-4.5-vl-28b-a3b-thinking/ 自己部署一个玩呗

似乎都是直接提取音频然后 TTS 转文字然后再接模型的？不需要多模态

底层逻辑就是快速提取视频的切片，生成图片，然后对图片进行分析。需要大量操作，自己写代码会好点吧。