Google lancia Gemini 3.1 Pro con comprensione nativa dei video

Immagina di poter chiedere a un assistente intelligente: "Cosa succede al minuto 37 di questo video?" e ricevere una risposta precisa senza dover guardare tutto il filmato. Questo è quello che rende possibile Gemini 3.1 Pro di Google.

Fino ad oggi, i modelli AI riuscivano al massimo ad analizzare brevi clip o a leggere la trascrizione testuale di un video. Gemini 3.1 Pro fa qualcosa di molto più avanzato: "guarda" davvero il video, fotogramma per fotogramma, per un'ora intera. È come avere un collaboratore che si siede davanti allo schermo, prende appunti su tutto ciò che vede e poi risponde alle tue domande in modo dettagliato.

La finestra di contesto da 2 milioni di token — una misura di quante informazioni il modello riesce a tenere in mente contemporaneamente — è abbastanza grande da contenere non solo il testo di un lungo documento, ma anche i fotogrammi estratti da un'ora di video ad alta definizione.

In pratica, questo significa che YouTube può generare riepiloghi intelligenti di conferenze, tutorial o documentari senza che tu debba guardarli per intero. Google Search può identificare il momento esatto in un video in cui viene mostrato un oggetto o spiegato un concetto, e portarti direttamente lì.

Per le aziende, le possibilità sono enormi: analizzare ore di riprese di sicurezza, estrarre informazioni da webinar, rivedere automaticamente riunioni registrate. Per i consumatori, significa trovare informazioni nei video con la stessa facilità con cui si cerca nel testo.