Pertanyaan lanjutan tentang skor akhir berhasil dijawab dengan benar, tapi Gemini salah menyebutkan nama pencetak touchdown pertama: AI itu bilang Johan Dotson. Dotson memang sempat terlihat mencetak touchdown di cuplikan saat skor masih 0-0, tapi kemudian dianulir—ini contoh nuansa yang tidak selalu bisa ditangkap oleh AI.

Gemini berhasil mengenali kapan Kansas City Chiefs mendapatkan poin pertama mereka, bahkan menyertakan timestamp yang langsung mengarah ke touchdown tersebut di klip YouTube. Nama pencetak skornya juga benar. Sepertinya Gemini sangat mengandalkan narasi komentar untuk klip olahraga, yang memang tidak mengherankan.

Meringkas Konten Video

Selanjutnya, kami mencoba Gemini untuk fitur di balik layar film The Grand Budapest Hotel, yang disutradarai oleh Wes Anderson. Klip ini berdurasi empat setengah menit, dan Gemini langsung memberikan beberapa balasan hampir seketika: Ia mengidentifikasi nama film yang dibicarakan, dan poin-poin utama narasi klip tersebut.

Namun, semuanya tetap bergantung pada audio (atau transkrip) lagi—sepertinya tidak ada analisis konten video yang sesungguhnya. AI tidak bisa menyebutkan siapa saja orang yang berbicara di video, meskipun nama mereka ditampilkan di layar, dan tidak bisa menyebutkan siapa sutradaranya (meskipun ini juga disebutkan di deskripsi video).

Sisi positifnya, Gemini melakukan tugas yang mengesankan dalam meringkas audio video. Ia dengan benar mengidentifikasi beberapa tantangan pembuatan film yang disebutkan di sepanjang klip, dan memberikan timestamp untuk itu — mulai dari mencari lokasi syuting untuk mewakili Grand Budapest, hingga mengisinya dengan figuran.

Meringkas Wawancara

Gemini bisa memberikan timestamp untuk video yang diminta.

Fotografer: David Nield

Terakhir, kami mencoba Google Gemini dengan sebuah wawancara: Channel 4 di Inggris mewawancarai Charlie Brooker dan Siena Kelly tentang serial terbaru Black Mirror (mungkin cocok untuk artikel tentang AI). Gemini terbukti sangat mampu mengambil poin-poin penting, dan menambahkan timestamp, meskipun tentu saja sebagian besar video tersebut adalah percakapan.

Namun sekali lagi, tidak ada konteks tentang apa pun di luar audio atau transkrip. AI Gemini tidak bisa mengatakan di mana wawancara itu berlangsung, atau bagaimana para partisipan bersikap, atau hal lain tentang visual video — ini patut diingat jika Anda menggunakannya sendiri.

Untuk video di mana jawaban yang Anda cari ada di audio video YouTube, dan transkrip terkaitnya, Gemini bekerja sangat baik dalam meringkas dan memberikan jawaban yang akurat (dengan catatan komentator menyebutkan kapan sebuah touchdown dianulir, serta kapan sebuah touchdown dicetak). Untuk segala jenis informasi visual, Anda tetap harus menonton videonya sendiri.