谷歌已承认，TikTok和Instagram等视频平台正侵蚀其核心搜索产品，尤其在Z世代用户中。为应对这一趋势，谷歌在Google I/O 2024开发者大会上宣布，将借助Gemini AI把视频搜索整合进核心体验：允许用户上传视频并结合文本查询，获取AI生成的答案概览。
该功能最初将作为Search Labs实验性功能，面向美国英语用户开放。
此多模态能力基于现有视觉搜索升级而来。自2021年起，用户即可通过“图片+文本”组合搜索难以用文字描述的内容（如特定图案的袜子）。如今新增视频搜索，正是回应用户——尤其是年轻群体——习惯以视频记录生活、表达创意并进行搜索的行为变化。
演示中，用户上传了一段唱片机臂无法固定的故障视频，并提问：“为什么这个不能固定住？”Gemini AI逐帧分析画面后，提供修复建议的AI概览，并附上相关论坛链接及转盘调平教学视频供深入参考。
除公开搜索外，该技术还将应用于理解手机本地视频、Google Photos私有云内容及YouTube公开视频。
目前，谷歌尚未公布该功能在美国的测试周期及全球推广时间表。