تحليل ملفات الفيديو باستخدام Gemini API

يمكنك أن تطلب من نموذج Gemini تحليل ملفات الفيديو التي تقدّمها إما مضمّنة (بتنسيق base64) أو عبر عنوان URL. عند استخدام Firebase AI Logic, يمكنك تقديم هذا الطلب مباشرةً من تطبيقك.

باستخدام هذه الإمكانية، يمكنك تنفيذ مهام مثل:

  • إضافة ترجمات وشرح للفيديوهات والإجابة عن الأسئلة المتعلقة بها
  • تحليل مقاطع معيّنة من الفيديو باستخدام الطوابع الزمنية
  • تحويل محتوى الفيديو إلى نص من خلال معالجة كلٍّ من المقطع الصوتي والإطارات المرئية
  • وصف المعلومات واستخراجها من الفيديوهات، بما في ذلك كلّ من المقطع الصوتي والإطارات المرئية

يتناول هذا الدليل إنشاء نص من بيانات إدخال الفيديو، ولكن يمكنك أيضًا إنشاء صور من بيانات إدخال الفيديو.

الانتقال إلى نماذج الرموز البرمجية الانتقال إلى الرمز البرمجي للردود التي يتم عرضها تدريجيًا


الاطّلاع على أدلة أخرى تتضمّن خيارات إضافية للعمل مع الفيديو
إنشاء ناتج منظَّم محادثة مترابطة إنشاء صور

قبل البدء

انقر على موفّر Gemini API لعرض المحتوى والرمز البرمجي الخاصَّين بالموفّر على هذه الصفحة.

إذا لم يسبق لك ذلك، يُرجى إكمال دليل البدء الذي يوضّح كيفية إعداد مشروع Firebase وربط تطبيقك بـ Firebase وإضافة حزمة تطوير البرامج (SDK) و تهيئة خدمة الخلفية لموفّر Gemini API الذي اخترته و إنشاء مثيل GenerativeModel.

لاختبار طلباتك وتكرارها، ننصحك باستخدام Google AI Studio.

النماذج التي تتيح هذه الإمكانية

يتناول هذا الدليل إنشاء نص من بيانات إدخال الفيديو، وينطبق على النماذج التالية Gemini:

  • gemini-3.1-pro-preview
  • gemini-3.8-flash (والإصدارات الأقدم gemini-3.7-flash وgemini-3.6-flash وgemini-3.5-flash)
  • gemini-3.5-flash-lite (والإصدار الأقدم gemini-3.1-flash-lite)

تتيح نماذج Gemini 2.5 للأغراض العامة هذه الإمكانية، ولكن تم إيقافها جميعًا.

إنشاء نص من ملفات الفيديو (بتنسيق base64)

قبل تجربة هذا النموذج، يُرجى إكمال قسم قبل البدء في هذا الدليل لإعداد مشروعك وتطبيقك.
في هذا القسم، ستنقر أيضًا على زر لموفّر Gemini API الذي اخترته حتى يظهر لك المحتوى الخاص بالموفّر على هذه الصفحة.

يمكنك أن تطلب من نموذج Gemini أن ينشئ نصًا من خلال تقديم نص وفيديو، مع توفير mimeType لكل ملف من ملفات الإدخال والملف نفسه. يمكنك الاطّلاع على متطلبات ملفات الإدخال واقتراحات إعدادها لاحقًا في هذه الصفحة.

ملاحظة: يوضّح هذا المثال كيفية تقديم الملف مضمّنًا، ولكن حِزم تطوير البرامج (SDK) تتيح أيضًا تقديم عنوان URL على YouTube.

Swift

يمكنك استدعاء generateContent() لإنشاء نص من بيانات إدخال متعددة الوسائط تتضمّن نصًا وملفات فيديو.


import FirebaseAILogic

// Initialize the Gemini Developer API backend service.
let ai = FirebaseAI.firebaseAI(backend: .googleAI())

// Create a `GenerativeModel` instance with a model that supports your use case.
let model = ai.generativeModel(modelName: "gemini-3.8-flash")


// Provide the video as `Data` with the appropriate MIME type.
let video = InlineDataPart(data: try Data(contentsOf: videoURL), mimeType: "video/mp4")

// Provide a text prompt to include with the video
let prompt = "What is in the video?"

// To generate text output, call generateContent with the text and video
let response = try await model.generateContent(video, prompt)
print(response.text ?? "No text in response.")

Kotlin

يمكنك استدعاء generateContent() لإنشاء نص من بيانات إدخال متعددة الوسائط تتضمّن نصًا وملفات فيديو.

بالنسبة إلى Kotlin، تكون الطرق في حزمة تطوير البرامج (SDK) هذه دوال تعليق ويجب استدعاؤها من نطاق روتين فرعي.

// Initialize the Gemini Developer API backend service.
// Create a `GenerativeModel` instance with a model that supports your use case.
val model = Firebase.ai(backend = GenerativeBackend.googleAI())
                        .generativeModel("gemini-3.8-flash")


val contentResolver = applicationContext.contentResolver
contentResolver.openInputStream(videoUri).use { stream ->
  stream?.let {
    val bytes = stream.readBytes()

    // Provide a prompt that includes the video specified above and text
    val prompt = content {
        inlineData(bytes, "video/mp4")
        text("What is in the video?")
    }

    // To generate text output, call generateContent with the prompt
    val response = model.generateContent(prompt)
    Log.d(TAG, response.text ?: "")
  }
}

Java

يمكنك استدعاء generateContent() لإنشاء نص من بيانات إدخال متعددة الوسائط تتضمّن نصًا وملفات فيديو.

بالنسبة إلى Java، تعرض الطرق في حزمة تطوير البرامج (SDK) هذه ListenableFuture.

// Initialize the Gemini Developer API backend service.
// Create a `GenerativeModel` instance with a model that supports your use case.
GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.googleAI())
        .generativeModel("gemini-3.8-flash");

// Use the GenerativeModelFutures Java compatibility layer which offers
// support for ListenableFuture and Publisher APIs
GenerativeModelFutures model = GenerativeModelFutures.from(ai);


ContentResolver resolver = getApplicationContext().getContentResolver();
try (InputStream stream = resolver.openInputStream(videoUri)) {
    File videoFile = new File(new URI(videoUri.toString()));
    int videoSize = (int) videoFile.length();
    byte[] videoBytes = new byte[videoSize];
    if (stream != null) {
        stream.read(videoBytes, 0, videoBytes.length);
        stream.close();

        // Provide a prompt that includes the video specified above and text
        Content prompt = new Content.Builder()
                .addInlineData(videoBytes, "video/mp4")
                .addText("What is in the video?")
                .build();

        // To generate text output, call generateContent with the prompt
        ListenableFuture<GenerateContentResponse> response = model.generateContent(prompt);
        Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
            @Override
            public void onSuccess(GenerateContentResponse result) {
                String resultText = result.getText();
                System.out.println(resultText);
            }

            @Override
            public void onFailure(Throwable t) {
                t.printStackTrace();
            }
        }, executor);
    }
} catch (IOException e) {
    e.printStackTrace();
} catch (URISyntaxException e) {
    e.printStackTrace();
}

Web

يمكنك استدعاء generateContent() لإنشاء نص من بيانات إدخال متعددة الوسائط تتضمّن نصًا وملفات فيديو.


import { initializeApp } from "firebase/app";
import { getAI, getGenerativeModel, GoogleAIBackend } from "firebase/ai";

// TODO(developer): Replace the following with your app's Firebase configuration
// See: https://firebase.google.com/docs/web/learn-more#config-object
const firebaseConfig = {
  // ...
};

// Initialize FirebaseApp
const firebaseApp = initializeApp(firebaseConfig);

// Initialize the Gemini Developer API backend service.
const ai = getAI(firebaseApp, { backend: new GoogleAIBackend() });

// Create a `GenerativeModel` instance with a model that supports your use case.
const model = getGenerativeModel(ai, { model: "gemini-3.8-flash" });


// Converts a File object to a Part object.
async function fileToGenerativePart(file) {
  const base64EncodedDataPromise = new Promise((resolve) => {
    const reader = new FileReader();
    reader.onloadend = () => resolve(reader.result.split(',')[1]);
    reader.readAsDataURL(file);
  });
  return {
    inlineData: { data: await base64EncodedDataPromise, mimeType: file.type },
  };
}

async function run() {
  // Provide a text prompt to include with the video
  const prompt = "What do you see?";

  const fileInputEl = document.querySelector("input[type=file]");
  const videoPart = await fileToGenerativePart(fileInputEl.files[0]);

  // To generate text output, call generateContent with the text and video
  const result = await model.generateContent([prompt, videoPart]);

  const response = result.response;
  const text = response.text();
  console.log(text);
}

run();

Dart

يمكنك استدعاء generateContent() لإنشاء نص من بيانات إدخال متعددة الوسائط تتضمّن نصًا وملفات فيديو.


import 'package:firebase_ai/firebase_ai.dart';
import 'package:firebase_core/firebase_core.dart';
import 'firebase_options.dart';

// Initialize FirebaseApp
await Firebase.initializeApp(
  options: DefaultFirebaseOptions.currentPlatform,
);

// Initialize the Gemini Developer API backend service.
// Create a `GenerativeModel` instance with a model that supports your use case.
final model =
      FirebaseAI.googleAI().generativeModel(model: 'gemini-3.8-flash');


// Provide a text prompt to include with the video
final prompt = TextPart("What's in the video?");

// Prepare video for input
final video = await File('video0.mp4').readAsBytes();

// Provide the video as `Data` with the appropriate mimetype
final videoPart = InlineDataPart('video/mp4', video);

// To generate text output, call generateContent with the text and images
final response = await model.generateContent([
  Content.multi([prompt, ...videoPart])
]);
print(response.text);

Unity

يمكنك استدعاء GenerateContentAsync() لإنشاء نص من بيانات إدخال متعددة الوسائط تتضمّن نصًا وملفات فيديو.


using Firebase;
using Firebase.AI;

// Initialize the Gemini Developer API backend service.
var ai = FirebaseAI.GetInstance(FirebaseAI.Backend.GoogleAI());

// Create a `GenerativeModel` instance with a model that supports your use case.
var model = ai.GetGenerativeModel(modelName: "gemini-3.8-flash");


// Provide the video as `data` with the appropriate MIME type.
var video = ModelContent.InlineData("video/mp4",
      System.IO.File.ReadAllBytes(System.IO.Path.Combine(
          UnityEngine.Application.streamingAssetsPath, "yourVideo.mp4")));

// Provide a text prompt to include with the video
var prompt = ModelContent.Text("What is in the video?");

// To generate text output, call GenerateContentAsync with the text and video
var response = await model.GenerateContentAsync(new [] { video, prompt });
UnityEngine.Debug.Log(response.Text ?? "No text in response.");

كيفية اختيار نموذج مناسبَين لحالة الاستخدام والتطبيق

عرض الرد تدريجيًا

قبل تجربة هذا النموذج، يُرجى إكمال قسم قبل البدء في هذا الدليل لإعداد مشروعك وتطبيقك.
في هذا القسم، ستنقر أيضًا على زر لموفّر Gemini API الذي اخترته حتى يظهر لك المحتوى الخاص بالموفّر على هذه الصفحة.

يمكنك تحقيق تفاعلات أسرع من خلال عدم انتظار النتيجة الكاملة من إنشاء النموذج، واستخدام العرض التدريجي بدلاً من ذلك للتعامل مع النتائج الجزئية. لعرض الرد تدريجيًا، استدعِ generateContentStream.



متطلبات ملفات الفيديو التي يتم إدخالها واقتراحات إعدادها

يُرجى العِلم أنّ الملف الذي يتم تقديمه كبيانات مضمّنة يتم ترميزه بتنسيق base64 أثناء النقل، ما يزيد من حجم الطلب. يظهر لك خطأ HTTP 413 إذا كان الطلب كبيرًا جدًا.

يُرجى الاطّلاع على صفحة "متطلبات ملفات الإدخال المسموح بها" للحصول على معلومات تفصيلية حول ما يلي:

أنواع MIME لملفات الفيديو المسموح بها

تتيح نماذج Gemini المتعددة الوسائط أنواع MIME لملفات الفيديو التالية:

  • FLV -‏ video/x-flv
  • MOV -‏ video/quicktime
  • MPEG -‏ video/mpeg
  • MPEGPS -‏ video/mpegps
  • MPG -‏ video/mpg
  • MP4 -‏ video/mp4
  • WEBM -‏ video/webm
  • WMV -‏ video/wmv
  • ‫3GPP -‏ video/3gpp

الحدود لكل طلب

الحد الأقصى لعدد الملفات لكل طلب: 10 ملفات فيديو



مَا الْمَهَامُّ الَّتِي يُمْكِنْ لِمُسَاعِدْ Gemini تَنْفِيذُهَا أَيْضًا؟

  • تعرّف على كيفية عدّ الرموز المميّزة قبل إرسال طلبات طويلة إلى النموذج.
  • إعداد Cloud Storage for Firebase حتى تتمكّن من تضمين ملفات كبيرة في طلباتك المتعددة الوسائط والحصول على حلّ أكثر إدارة لتقديم الملفات في الطلبات يمكن أن تتضمّن الملفات صورًا وملفات PDF وفيديوهات وملفات صوتية.
  • البدء في التفكير في الاستعداد للإنتاج (الاطّلاع على قائمة المهام لعملية الإنتاج):
    • فرض Firebase App Check ميزة "التحقّق من تطبيق Firebase" في أقرب وقت ممكن للمساعدة في حماية Gemini API من إساءة الاستخدام من قِبل العملاء غير المصرّح لهم
    • استخدام Firebase Remote Config أو نماذج الطلبات على الخادم حتى تتمكّن من إجراء تغييرات عند الطلب على إعدادات ميزة الذكاء الاصطناعي (مثل اسم النموذج) بدون إصدار إصدار جديد من تطبيقك

تجربة إمكانات أخرى

كيفية التحكّم في إنشاء المحتوى

يمكنك أيضًا تجربة الطلبات وإعدادات النموذج، وحتى الحصول على مقتطف رمز برمجي تم إنشاؤه باستخدام Google AI Studio.

مزيد من المعلومات عن النماذج المسموح بها

التعرّف على الـ نماذج المتاحة لحالات الاستخدام المختلفة وحصصها و أسعارها.


تقديم ملاحظات حول تجربتك مع Firebase AI Logic