Gemini Multimodal: Video, Audio e Document Understanding
«Gemini Multimodal: Video, Audio e Document Understanding» è un corso online di Google Gemini di livello intermedio, tenuto da InsightLearn Curated AI su InsightLearn. Il percorso comprende 7 lezioni organizzate in 3 sezioni, per una durata complessiva di 4h 0m. Sfrutta la multimodalità nativa di Gemini per analizzare video lunghi, trascrivere audio, estrarre dati da PDF e costruire pipeline document AI.
- Docente: InsightLearn Curated AI
- Categoria: Google Gemini
- Livello: intermedio
- Durata: 4h 0m
- Accesso: gratuito in questa fase di validazione, in cambio di un feedback al termine
- Certificato: certificato di completamento verificabile online
Descrizione del corso
InsightLearn è in fase di sviluppo (work in progress): i contenuti di questa pagina sono pubblicati esclusivamente a fini di verifica e test.
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
- Analisi multi-immagine: confronto e differenze (14 min)
- Structured extraction da immagini: tabelle, form, ricevute (16 min)
- Analisi video con URL YouTube: domande su contenuto specifico (18 min)
- Upload video locali via File API e timestamp queries (16 min)
- Generare riassunti e chapter di video lunghi (14 min)
- Audio: trascrizione, speaker diarization, sentiment (16 min)
- Build: analizzatore automatico di meeting recording (22 min)
Dalle lezioni
Estratto della trascrizione di «Analisi multi-immagine: confronto e differenze»
Today, I'd like to introduce a reference generation model called FFGO. The mechanism of this model is to treat our reference image as the first frame, and then generate the entire video we have seen many similar techniques before, such as the more famous vase and Skyrills ICI. So, what are the differences among them? First of all, the Skyrills a technique should be based on Wang Ardair Yi. So, the resulting generation quality is actually poorer, as for Vase. The number of reference images it can handle is limited. Three images is basically the maximum. If you use more, it cannot fully render them. But look at this one, it can reference five images, meaning it can complete more…
Estratto della trascrizione di «Structured extraction da immagini: tabelle, form, ricevute»
Hi guys, welcome back to my channel. So today we are going to cover of AI related services which are your is providing. We will look into all those services, but we will emphasize only on the farm recognizer. And now the new name has been a change that is a document intelligence. So that part we're going to cover, but out of that I will let you know that how the AI services are working in Azure and how the document intelligence services is working on. So this would be the more specific technical session I would say in which I will give you the brief that depth that how we can train our document what configuration is needed…
Estratto della trascrizione di «Analisi video con URL YouTube: domande su contenuto specifico»
Benvenuti su Mezzogiorno Analytics. Quante volte avete cambiato il colore di un pulsante sul vostro sito web sperando in un miracolo? O modificato il titolo di una email basandovi solo sull'istinto? Per molte piccole e medi imprese, queste decisioni sono un salto nel buio. Ma cosa succederebbe se poteste trasformare le opinioni in certezze? Se poteste usare i dati per guidare ogni scelta di marketing? Questo non è un privilegio riservato ai giganti della tecnologia. È una met... We will show you how your PMI can implement effective test-by-effects to increase conversions, improve the user experience and, above all, stop guessing. We will guide you step by step from free tools to avoid mistakes. Stay with us to find out…
Altri corsi di Google Gemini
Domande frequenti
Quanto dura il corso Gemini Multimodal: Video, Audio e Document Understanding?
Il corso dura 4h 0m in totale, con 7 lezioni suddivise in 3 sezioni, da seguire online al proprio ritmo.
Serve esperienza pregressa?
Il corso è di livello intermedio e non indica requisiti specifici di ingresso.
Il corso rilascia un certificato?
Sì: al completamento del corso ricevi un certificato di completamento verificabile online.