Gemini Embedding 2が、生のビデオをテキストと共に768次元のベクトル空間に直接投影できるようになりました。書き起こしやフレームごとのキャプション作成といった中間テキストを必要としません。
Geminiのネイティブビデオ埋め込みを利用した1秒未満のビデオ検索ツールが公開
開発者はこの機能を使い、数時間の映像をChromaDBにインデックス化して自然言語で検索し、該当箇所を自動的に切り出すCLIツールを構築しました。詳細はGitHub READMEのデモビデオで公開されています。HN Search (backfill)によれば、検索速度は1秒未満であるとしています。
インデックス作成のコストは、映像1時間あたり約2.50ドルです。静止画検出によりアイドル状態のチャンクをスキップできるため、防犯カメラやセンチネルモードの映像であればより低コストで運用できるとのことです。
出典: Show HN: Gemini can now natively embed video, so I built sub-second video search(HN 438pt・108コメント)(HN Search (backfill)、2026-03-24)