این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.

رونویسی ویدیوی چندوجهی با Gemini

۱. مرور کلی

در این آزمایش، شما یاد خواهید گرفت که مسئله پیچیده رونویسی ویدیوی چندوجهی را با استفاده از یک دستور Gemini حل کنید!

شما ویدیوها را تجزیه و تحلیل خواهید کرد و به دنبال پاسخ به سوالات زیر به طور همزمان خواهید بود:

در اینجا مثالی از آنچه به دست خواهید آورد، آورده شده است:

روشی برای پرداختن به مسائل چندوجهی جدید یا پیچیده
یک تکنیک سریع برای جداسازی داده‌ها و حفظ توجه: استخراج جدولی
استراتژی‌هایی برای بهره‌برداری حداکثری از ۱ میلیون توکن Gemini در یک درخواست واحد
نمونه‌های عملی از رونویسی‌های ویدیویی چندوجهی
نکات و بهینه‌سازی‌ها

آشنایی با اجرای پایتون در یک نوت‌بوک (در Colab یا هر محیط Jupyter دیگر)
یک پروژه گوگل کلود (Vertex AI) یا یک کلید API جمینی (Google AI Studio)
۲۰ تا ۹۰ دقیقه (بسته به اینکه سریع می‌دوید یا همه چیز را می‌خوانید و تست می‌کنید)

ℹ️ کل هزینه اجرای این آزمایشگاه در گوگل کلود کمتر از ۵ دلار آمریکا است.

بیایید شروع کنیم...

برای استفاده از API جمینی ، دو گزینه اصلی دارید:

الزامات:

مورد نیاز:

درباره دریافت کلید API Gemini از Google AI Studio بیشتر بدانید.

ابزار مورد نظر خود را برای باز کردن دفترچه یادداشت انتخاب کنید:

💡 اگر از قبل یک پروژه Google Cloud با نمونه Colab Enterprise یا Vertex AI Workbench پیکربندی کرده‌اید، ممکن است این گزینه ترجیح داده شود.

⚠️ شما باید دفترچه یادداشت را از گیت‌هاب دریافت کنید (یا مخزن را کلون کنید) و آن را در محیط ژوپیتر خود اجرا کنید.

برای پیمایش آسان‌تر، حتماً فهرست مطالب را باز کرده و از آن استفاده کنید. مثال:

شما آماده هستید. اکنون می‌توانید دفترچه یادداشت را دنبال و اجرا کنید. از آن لذت ببرید!...

تبریک می‌گویم که آزمایشگاه کد را تمام کردید!

شما با استفاده از تکنیک‌های زیر به این مشکل پیچیده پرداختید:

این اصول باید در بسیاری از حوزه‌های استخراج داده دیگر نیز اعمال شوند و به شما امکان دهند مشکلات پیچیده خود را حل کنید.