Google 正为 Ask YouTube 引入“代理式视频理解”新功能，使 Gemini 能够针对特定视频片段进行精准分析，而非对全片进行固定速率采样。该功能预计在未来几个月内上线 YouTube 观看页面，支持根据屏幕实时内容回答问题。目前，相关能力已通过 Google AI Studio 中的 Gemini API 及 Gemini Enterprise Agent Platform 向开发者开放，兼容上传视频与 YouTube 在线视频。
Ask YouTube 观看页体验升级
Google 表示，Ask YouTube 在观看页面的版本将利用 Gemini 提供基于视觉的高质量答案。虽然官方未公布具体上线时间及首批覆盖的地区和语言，但该功能将以视频下方按钮的形式呈现，便于用户在观看过程中即时获取信息。
需注意，此功能区别于通过搜索栏访问的 Ask YouTube 版本（后者提供带引用视频的摘要）。此前 YouTube 帮助页面显示，搜索版仅面向部分美国英语用户进行测试并逐步扩展。Alphabet CEO Sundar Pichai 在第二季度财报电话会议上透露，6月份已有超过1.4亿用户使用观看页面功能，Google 正计划将该“Ask 体验”整合至更广泛的 YouTube 搜索场景中。
动态循环处理机制解析
Gemini 默认采用静态视频处理模式，即按设定帧率捕获全片画面供模型分析。而“代理式视频理解”引入了动态循环机制：模型可自主选择加载视频片段、调整帧率，并决定是否纳入特定段落的帧、音频或转录文本。
据 Google 介绍，新方法在定位瞬间细节、检索长视频、识别视觉故障及计数重复动作等方面具有显著优势。基准测试数据显示，相比静态处理，代理式视频理解可将 Token 使用量减少高达 88%，分析成本降低 66%，准确率提升 7%。这些收益在长视频中尤为明显，但 API 文档提示，对于5分钟以内的短视频，新模式可能会略微增加响应延迟。
行业影响与优化现状
此次更新将改变观看页面功能的视频分析逻辑，但官方尚未说明搜索版 Ask YouTube 是否会同步应用新处理方式。关于搜索结果中视频被选为主要引用或辅助引用的机制，YouTube 帮助页面仅提及排名系统优先考虑相关性、参与度和质量，缺乏具体选择标准及创作者优化指导。
后续推广计划
根据 Google 的时间表，新视频模式将很快在 Gemini 应用中推出，并在未来几个月内登陆 YouTube 观看页面功能。建议用户关注观看页面帮助页面的更新，以获取关于视频分析机制的最新说明。