media-understand - AI多媒体理解：分析图片、视频和音频
使用AI理解和分析图片、视频、音频等多媒体内容。
标签
更新于: 2026-02-18能力
典型输入
典型输出
该技能可以做什么
- 描述图片
- 识别图片文字
- 分析视频
- 转录音频
- 总结内容
- 回答视频问题
- 检测说话人
输入
- 媒体文件路径或URL
- MAX_API_KEY
- 问题提示
- 语言参数
输出
- 媒体分析结果
- 文字转录
- 内容描述
- 问题答案
- 总结文本
要求
- MAX_API_KEY环境变量
- Bun 1.0+运行环境
- 支持的多媒体格式
- Gemini 2.5 Flash访问权限