Gemini Multimodal: Video, Audio e Document Understanding

Descrizione del corso

Basato su developers.google.com/gemini-api/docs/vision e cookbook Gemini (Apache 2.0). Gemini è unico per la capacità di processare testo, immagini, video, audio e documenti in un unico contesto. Questo corso copre: inline image analysis, File API per upload pesante, analisi video con timestamp e YouTube URL, audio transcription con speaker detection, document parsing (PDF, DOCX, slides), structured extraction da input misti. Include build: sistema di analisi automatica di meeting recording.

Cosa imparerai

• Curated from public resources. Sfrutta la multimodalità nativa di Gemini per analizzare video lunghi, trascrivere audio, estrarre dati da PDF e costruire pipeline document AI.

Programma del corso

1. Analisi multi-immagine: confronto e differenze (14 min)
2. Structured extraction da immagini: tabelle, form, ricevute (16 min)
3. Analisi video con URL YouTube: domande su contenuto specifico (18 min)
4. Upload video locali via File API e timestamp queries (16 min)
5. Generare riassunti e chapter di video lunghi (14 min)
6. Audio: trascrizione, speaker diarization, sentiment (16 min)
7. Build: analizzatore automatico di meeting recording (22 min)

Struttura del corso

3 sezioni, 7 lezioni, 4h 0m di durata complessiva. Il corso si segue interamente online, al proprio ritmo.

Domande frequenti