07c - 多模态能力实战

Gemini 2.5 Pro                    Gemini 3 Pro                      Gemini 3.1 Pro
┌─────────────────────┐     ┌─────────────────────┐     ┌─────────────────────┐
│ 图像理解（基础）      │     │ 图像理解（精确）      │     │ 图像理解（精确+）     │
│ 视频分析（基础）      │     │ 视频分析（深度）      │     │ 视频分析（深度+）     │
│ 音频处理（转录）      │ ──→ │ 音频处理（理解+情感）  │ ──→ │ 音频处理（理解+情感+）│
│ PDF 解析（文本提取）  │     │ PDF 解析（版面保持）   │     │ PDF 解析（版面保持+） │
│ OCR: 0.145           │     │ OCR: 0.115           │     │ OCR: ≤0.115          │
│ ScreenSpot: 11.4%    │     │ ScreenSpot: 72.7%    │     │ ScreenSpot: ≥72.7%   │
│ 无 Computer Use      │     │ ✅ Computer Use       │     │ ✅ Computer Use       │
└─────────────────────┘     └─────────────────────┘     └─────────────────────┘

from google import genai
from google.genai import types
import os
 
client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
 
# 方式 1：从本地文件读取（适合 <20MB 的图片）
with open("./chart.png", "rb") as f:
    image_bytes = f.read()
 
response = client.models.generate_content(
    model="gemini-3-pro",
    contents=[
        types.Part.from_bytes(data=image_bytes, mime_type="image/png"),
        "请分析这张图表，提取关键数据点，描述趋势，并给出业务洞察。"
    ]
)
print(response.text)
 
# 方式 2：通过 File API 上传（适合大文件或重复使用）
uploaded = client.files.upload(file="./dashboard_screenshot.png")
response = client.models.generate_content(
    model="gemini-3-pro",
    contents=[uploaded, "请描述这个仪表盘中的所有指标和它们的当前状态。"]
)
print(response.text)

import { GoogleGenAI, createUserContent, createPartFromUri } from "@google/genai";
import * as fs from "node:fs";
 
const ai = new GoogleGenAI({ apiKey: process.env.GEMINI_API_KEY });
 
// 方式 1：内联 Base64 数据
const imageBuffer = fs.readFileSync("./chart.png");
const base64Image = imageBuffer.toString("base64");
 
const response = await ai.models.generateContent({
  model: "gemini-3-pro",
  contents: [
    { inlineData: { mimeType: "image/png", data: base64Image } },
    { text: "请分析这张图表，提取关键数据点，描述趋势，并给出业务洞察。" },
  ],
});
console.log(response.text);
 
// 方式 2：通过 File API 上传
const uploaded = await ai.files.upload({
  file: "./dashboard_screenshot.png",
  config: { mimeType: "image/png" },
});
 
const response2 = await ai.models.generateContent({
  model: "gemini-3-pro",
  contents: createUserContent([
    createPartFromUri(uploaded.uri!, uploaded.mimeType!),
    "请描述这个仪表盘中的所有指标和它们的当前状态。",
  ]),
});
console.log(response2.text);

from google import genai
from google.genai import types
import os, json
 
client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
 
with open("./receipt.jpg", "rb") as f:
    image_bytes = f.read()
 
# 结构化 OCR 提取
response = client.models.generate_content(
    model="gemini-3-pro",
    contents=[
        types.Part.from_bytes(data=image_bytes, mime_type="image/jpeg"),
        """请对这张收据/发票进行 OCR 识别，提取以下信息并以 JSON 格式返回：
{
  "merchant_name": "商家名称",
  "date": "日期",
  "items": [{"name": "商品名", "quantity": 数量, "price": 单价}],
  "subtotal": 小计,
  "tax": 税额,
  "total": 总计,
  "payment_method": "支付方式"
}"""
    ],
    config={"response_mime_type": "application/json"}
)
 
receipt_data = json.loads(response.text)
print(json.dumps(receipt_data, ensure_ascii=False, indent=2))

import { GoogleGenAI } from "@google/genai";
import * as fs from "node:fs";
 
const ai = new GoogleGenAI({ apiKey: process.env.GEMINI_API_KEY });
 
const imageBuffer = fs.readFileSync("./receipt.jpg");
const base64Image = imageBuffer.toString("base64");
 
const response = await ai.models.generateContent({
  model: "gemini-3-pro",
  contents: [
    { inlineData: { mimeType: "image/jpeg", data: base64Image } },
    {
      text: `请对这张收据/发票进行 OCR 识别，提取以下信息并以 JSON 格式返回：
{
  "merchant_name": "商家名称",
  "date": "日期",
  "items": [{"name": "商品名", "quantity": "数量", "price": "单价"}],
  "subtotal": "小计",
  "tax": "税额",
  "total": "总计",
  "payment_method": "支付方式"
}`,
    },
  ],
  config: { responseMimeType: "application/json" },
});
 
const receiptData = JSON.parse(response.text!);
console.log(JSON.stringify(receiptData, null, 2));

from google import genai
from google.genai import types
import os
 
client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
 
with open("./app_screenshot.png", "rb") as f:
    screenshot_bytes = f.read()
 
# UI 截图分析：识别元素和交互建议
response = client.models.generate_content(
    model="gemini-3-pro",
    contents=[
        types.Part.from_bytes(data=screenshot_bytes, mime_type="image/png"),
        """请分析这个应用截图：
1. 识别所有可交互的 UI 元素（按钮、输入框、链接、菜单等）
2. 描述当前页面的功能和状态
3. 指出可能的 UX 问题（对比度不足、按钮太小、布局混乱等）
4. 给出改进建议"""
    ]
)
print(response.text)

from google import genai
from google.genai import types
import os, json
 
client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
 
with open("./product_photo.jpg", "rb") as f:
    image_bytes = f.read()
 
response = client.models.generate_content(
    model="gemini-3-pro",
    contents=[
        types.Part.from_bytes(data=image_bytes, mime_type="image/jpeg"),
        "检测图像中所有物体，返回 JSON 格式，每个物体包含 label 和 box_2d（[ymin, xmin, ymax, xmax]，归一化到 0-1000）。"
    ],
    config={"response_mime_type": "application/json"}
)
 
objects = json.loads(response.text)
for obj in objects:
    print(f"物体: {obj['label']}, 位置: {obj['box_2d']}")

你是一位专业的 [图像分析/OCR/UI 审查] 专家。

请分析上传的图像，完成以下任务：

1. [具体分析任务，如：提取图表中的所有数据点]
2. [具体分析任务，如：识别图中的文字内容]
3. [具体分析任务，如：评估 UI 设计的可用性]

输出要求：
- 使用中文
- 结构化输出（表格或 JSON）
- 标注置信度（高/中/低）
- 如有不确定的内容，明确标注

import os, time
from google import genai
 
client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
 
# 1. 上传视频文件（支持 MP4, MOV, AVI, WebM 等）
video_file = client.files.upload(file="./product_demo.mp4")
 
# 等待视频处理完成（视频需要服务端转码）
while video_file.state.name == "PROCESSING":
    time.sleep(5)
    video_file = client.files.get(name=video_file.name)
 
print(f"视频处理完成: {video_file.uri}")
print(f"视频时长: {video_file.video_metadata.video_duration}")
 
# 2. 视频内容理解
response = client.models.generate_content(
    model="gemini-3-pro",
    contents=[
        video_file,
        """请对这段产品演示视频进行深度分析：
1. 视频摘要（100 字以内）
2. 按时间线列出关键场景（格式：[MM:SS] 场景描述）
3. 识别演示的产品功能列表
4. 评估演示的专业度和改进建议"""
    ]
)
print(response.text)

import {
  GoogleGenAI,
  createUserContent,
  createPartFromUri,
} from "@google/genai";
 
const ai = new GoogleGenAI({ apiKey: process.env.GEMINI_API_KEY });
 
// 1. 上传视频文件
let videoFile = await ai.files.upload({
  file: "./product_demo.mp4",
  config: { mimeType: "video/mp4" },
});
 
// 等待视频处理完成
while (videoFile.state === "PROCESSING") {
  await new Promise((resolve) => setTimeout(resolve, 5000));
  videoFile = await ai.files.get({ name: videoFile.name! });
}
 
console.log(`视频处理完成: ${videoFile.uri}`);
 
// 2. 视频内容理解
const response = await ai.models.generateContent({
  model: "gemini-3-pro",
  contents: createUserContent([
    createPartFromUri(videoFile.uri!, videoFile.mimeType!),
    `请对这段产品演示视频进行深度分析：
1. 视频摘要（100 字以内）
2. 按时间线列出关键场景（格式：[MM:SS] 场景描述）
3. 识别演示的产品功能列表
4. 评估演示的专业度和改进建议`,
  ]),
});
console.log(response.text);

import os, time
from google import genai
 
client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
 
# 上传教程视频
video_file = client.files.upload(file="./tutorial_video.mp4")
while video_file.state.name == "PROCESSING":
    time.sleep(5)
    video_file = client.files.get(name=video_file.name)
 
# 时间线标注 + 章节划分
response = client.models.generate_content(
    model="gemini-3-pro",
    contents=[
        video_file,
        """请为这段教程视频生成详细的时间线标注：
 
1. **章节划分**：将视频分成逻辑章节，每章包含：
   - 起止时间 [MM:SS - MM:SS]
   - 章节标题
   - 内容摘要（1-2 句话）
 
2. **关键帧标注**：识别最重要的 5-10 个关键时刻：
   - 时间戳 [MM:SS]
   - 画面描述
   - 为什么这个时刻重要
 
3. **知识点提取**：列出视频中讲解的所有知识点
 
4. **适合做缩略图的帧**：推荐 3 个最适合作为视频缩略图的时间点，说明原因
 
输出格式：使用 Markdown 表格。"""
    ],
    config={"thinking_config": {"thinking_level": "HIGH"}}
)
print(response.text)

import {
  GoogleGenAI,
  createUserContent,
  createPartFromUri,
} from "@google/genai";
 
const ai = new GoogleGenAI({ apiKey: process.env.GEMINI_API_KEY });
 
// 上传待审核视频
let videoFile = await ai.files.upload({
  file: "./user_uploaded_video.mp4",
  config: { mimeType: "video/mp4" },
});
 
while (videoFile.state === "PROCESSING") {
  await new Promise((r) => setTimeout(r, 5000));
  videoFile = await ai.files.get({ name: videoFile.name! });
}
 
// 内容审核
const response = await ai.models.generateContent({
  model: "gemini-3-pro",
  contents: createUserContent([
    createPartFromUri(videoFile.uri!, videoFile.mimeType!),
    `请对这段用户上传的视频进行内容审核，检查以下维度：
 
1. **安全性**：是否包含暴力、危险行为、有害内容？
2. **合规性**：是否包含版权音乐、商标、敏感信息？
3. **质量评估**：画面质量、音频质量、内容连贯性（1-10 分）
4. **内容分类**：视频属于什么类别？（教育/娱乐/产品/新闻等）
5. **关键词标签**：生成 5-10 个描述性标签
 
输出 JSON 格式：
{
  "safe": true/false,
  "safety_issues": [],
  "compliance_issues": [],
  "quality_score": 8,
  "category": "教育",
  "tags": ["标签1", "标签2"],
  "summary": "视频摘要"
}`,
  ]),
  config: { responseMimeType: "application/json" },
});
 
const auditResult = JSON.parse(response.text!);
console.log(JSON.stringify(auditResult, null, 2));

import os, time
from google import genai
 
client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
 
# 上传音频文件
audio_file = client.files.upload(file="./meeting_recording.mp3")
while audio_file.state.name == "PROCESSING":
    time.sleep(3)
    audio_file = client.files.get(name=audio_file.name)
 
# 语音转文字 + 内容分析
response = client.models.generate_content(
    model="gemini-3-pro",
    contents=[
        audio_file,
        """请对这段音频进行以下处理：
 
1. **完整转录**：将语音内容转录为文字，保留说话人标记（如 Speaker A、Speaker B）
2. **内容摘要**：100 字以内的核心内容概括
3. **关键决策**：列出讨论中做出的所有决策
4. **行动项**：提取所有待办事项（含负责人和截止日期，如果提到的话）
5. **情感分析**：整体讨论氛围（积极/中性/消极），标注情绪转折点的时间戳"""
    ]
)
print(response.text)

import {
  GoogleGenAI,
  createUserContent,
  createPartFromUri,
} from "@google/genai";
 
const ai = new GoogleGenAI({ apiKey: process.env.GEMINI_API_KEY });
 
// 上传音频文件
let audioFile = await ai.files.upload({
  file: "./meeting_recording.mp3",
  config: { mimeType: "audio/mp3" },
});
 
while (audioFile.state === "PROCESSING") {
  await new Promise((r) => setTimeout(r, 3000));
  audioFile = await ai.files.get({ name: audioFile.name! });
}
 
// 语音转文字 + 内容分析
const response = await ai.models.generateContent({
  model: "gemini-3-pro",
  contents: createUserContent([
    createPartFromUri(audioFile.uri!, audioFile.mimeType!),
    `请对这段音频进行以下处理：
 
1. **完整转录**：将语音内容转录为文字，保留说话人标记
2. **内容摘要**：100 字以内的核心内容概括
3. **关键决策**：列出讨论中做出的所有决策
4. **行动项**：提取所有待办事项
5. **情感分析**：整体讨论氛围和情绪转折点`,
  ]),
});
console.log(response.text);

import os, time
from google import genai
from google.genai import types
 
client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
 
# 上传长音频（Gemini 支持最长约 11 小时音频）
audio_file = client.files.upload(file="./podcast_episode.mp3")
while audio_file.state.name == "PROCESSING":
    time.sleep(5)
    audio_file = client.files.get(name=audio_file.name)
 
# 创建缓存以支持多轮分析
cache = client.caches.create(
    model="gemini-3-pro",
    config=types.CreateCachedContentConfig(
        display_name="podcast-analysis",
        system_instruction="你是一位专业的播客内容分析师。",
        contents=[audio_file],
        ttl="3600s",
    )
)
 
# 第一轮：整体分析
response1 = client.models.generate_content(
    model="gemini-3-pro",
    contents="请生成这期播客的完整大纲，按时间线标注每个话题的起止时间。",
    config=types.GenerateContentConfig(cached_content=cache.name)
)
print("=== 播客大纲 ===")
print(response1.text)
 
# 第二轮：提取可引用内容
response2 = client.models.generate_content(
    model="gemini-3-pro",
    contents="请提取播客中最有价值的 5 段引用，标注时间戳，适合在社交媒体上分享。",
    config=types.GenerateContentConfig(cached_content=cache.name)
)
print("\n=== 精彩引用 ===")
print(response2.text)

import {
  GoogleGenAI,
  createUserContent,
  createPartFromUri,
} from "@google/genai";
 
const ai = new GoogleGenAI({ apiKey: process.env.GEMINI_API_KEY });
 
let audioFile = await ai.files.upload({
  file: "./multilingual_call.wav",
  config: { mimeType: "audio/wav" },
});
 
while (audioFile.state === "PROCESSING") {
  await new Promise((r) => setTimeout(r, 3000));
  audioFile = await ai.files.get({ name: audioFile.name! });
}
 
// 多语言音频分析
const response = await ai.models.generateContent({
  model: "gemini-3-pro",
  contents: createUserContent([
    createPartFromUri(audioFile.uri!, audioFile.mimeType!),
    `这是一段可能包含多种语言的音频。请：
 
1. 识别音频中使用的所有语言
2. 按说话人和语言分段转录
3. 将所有非中文内容翻译为中文
4. 生成统一的中文摘要`,
  ]),
});
console.log(response.text);

请对上传的 [音频/视频] 文件进行深度分析：

分析维度：
1. **内容转录**：完整转录，标注说话人和时间戳 [HH:MM:SS]
2. **主题提取**：识别 [数量] 个核心主题
3. **情感分析**：评估语气变化和关键情绪转折点
4. **[自定义维度]**：[如：提取所有提到的工具/书籍/资源]
5. **行动项提取**：列出所有待办事项和决策

输出要求：
- 使用中文
- 关键引用标注时间戳（格式：[HH:MM:SS]）
- 使用 Markdown 表格汇总结构化信息

from google import genai
from google.genai import types
import os, httpx
 
client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
 
# 方式 1：从本地文件读取 PDF
with open("./technical_report.pdf", "rb") as f:
    pdf_bytes = f.read()
 
response = client.models.generate_content(
    model="gemini-3-pro",
    contents=[
        types.Part.from_bytes(data=pdf_bytes, mime_type="application/pdf"),
        """请对这份技术报告进行结构化解析：
1. 提取文档标题、作者、日期
2. 生成目录结构
3. 提取所有表格数据（保持表格格式）
4. 描述所有图表的内容和关键数据
5. 生成 500 字以内的执行摘要"""
    ]
)
print(response.text)
 
# 方式 2：从 URL 获取 PDF
pdf_url = "https://example.com/report.pdf"
pdf_data = httpx.get(pdf_url).content
 
response = client.models.generate_content(
    model="gemini-3-pro",
    contents=[
        types.Part.from_bytes(data=pdf_data, mime_type="application/pdf"),
        "请总结这份文档的核心内容。"
    ]
)
print(response.text)

import { GoogleGenAI } from "@google/genai";
import * as fs from "node:fs";
 
const ai = new GoogleGenAI({ apiKey: process.env.GEMINI_API_KEY });
 
// 从本地文件读取 PDF
const pdfBuffer = fs.readFileSync("./technical_report.pdf");
const base64Pdf = pdfBuffer.toString("base64");
 
const response = await ai.models.generateContent({
  model: "gemini-3-pro",
  contents: [
    { inlineData: { mimeType: "application/pdf", data: base64Pdf } },
    {
      text: `请对这份技术报告进行结构化解析：
1. 提取文档标题、作者、日期
2. 生成目录结构
3. 提取所有表格数据（保持表格格式）
4. 描述所有图表的内容和关键数据
5. 生成 500 字以内的执行摘要`,
    },
  ],
});
console.log(response.text);

import os, time
from google import genai
from google.genai import types
 
client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
 
# 上传多个 PDF 文件
pdf_dir = "./contracts/"
uploaded_pdfs = []
for fname in sorted(os.listdir(pdf_dir)):
    if fname.endswith(".pdf"):
        f = client.files.upload(file=os.path.join(pdf_dir, fname))
        uploaded_pdfs.append(f)
        print(f"已上传: {fname}")
 
# 等待所有文件处理完成
for f in uploaded_pdfs:
    while f.state.name == "PROCESSING":
        time.sleep(2)
        f = client.files.get(name=f.name)
 
# 创建缓存以支持多轮审查
cache = client.caches.create(
    model="gemini-3-pro",
    config=types.CreateCachedContentConfig(
        display_name="contract-bundle",
        system_instruction=(
            "你是一位资深法律顾问。以下是一组合同文件，"
            "请基于这些文件回答问题，引用具体合同名称和条款编号。"
        ),
        contents=uploaded_pdfs,
        ttl="7200s",
    )
)
 
# 多轮审查
response = client.models.generate_content(
    model="gemini-3-pro",
    contents="请对比这些合同中的关键条款差异，生成对比表格。",
    config=types.GenerateContentConfig(
        cached_content=cache.name,
        thinking_config=types.ThinkingConfig(thinking_level="HIGH")
    )
)
print(response.text)

from google import genai
from google.genai import types
import os
 
client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
 
with open("./brochure.pdf", "rb") as f:
    pdf_bytes = f.read()
 
# PDF 转 HTML，保留原始版面布局
response = client.models.generate_content(
    model="gemini-3-pro",
    contents=[
        types.Part.from_bytes(data=pdf_bytes, mime_type="application/pdf"),
        """请将这份 PDF 文档转换为 HTML 格式：
1. 保留原始版面布局（标题层级、段落、列表）
2. 保留表格结构（使用 HTML table 标签）
3. 描述图片内容（使用 alt 文本）
4. 保留字体强调（粗体、斜体）
5. 使用语义化 HTML 标签（h1-h6, p, ul, ol, table 等）
 
只输出 HTML 代码，不要包含 <html>、<head>、<body> 等外层标签。"""
    ]
)
 
# 保存为 HTML 文件
with open("./output.html", "w", encoding="utf-8") as f:
    f.write(response.text)
print("PDF 已转换为 HTML")

import os, json
from google import genai
from google.genai import types
 
client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
 
def analyze_product_image(image_path: str) -> dict:
    """分析单张产品图片，返回结构化结果"""
    with open(image_path, "rb") as f:
        image_bytes = f.read()
 
    response = client.models.generate_content(
        model="gemini-3-pro",
        contents=[
            types.Part.from_bytes(data=image_bytes, mime_type="image/jpeg"),
            """请分析这张产品图片，返回 JSON 格式结果：
{
  "quality": {
    "resolution_adequate": true/false,
    "lighting_quality": "good/fair/poor",
    "background_clean": true/false,
    "product_centered": true/false,
    "overall_score": 1-10
  },
  "product_info": {
    "category": "产品类别",
    "color": "颜色",
    "material": "材质（如果可见）",
    "brand_visible": true/false,
    "brand_name": "品牌名（如果可见）"
  },
  "seo": {
    "title": "SEO 友好的产品标题（50 字以内）",
    "description": "产品描述（150 字以内）",
    "tags": ["标签1", "标签2", "标签3"]
  },
  "compliance": {
    "contains_text_overlay": true/false,
    "contains_watermark": true/false,
    "contains_prohibited_content": false,
    "issues": []
  }
}"""
        ],
        config={"response_mime_type": "application/json"}
    )
    return json.loads(response.text)
 
# 批量处理产品图片
image_dir = "./product_images/"
results = []
for fname in os.listdir(image_dir):
    if fname.lower().endswith((".jpg", ".jpeg", ".png", ".webp")):
        path = os.path.join(image_dir, fname)
        print(f"分析中: {fname}")
        result = analyze_product_image(path)
        result["filename"] = fname
        results.append(result)
 
# 生成审核报告
passed = [r for r in results if r["quality"]["overall_score"] >= 7]
failed = [r for r in results if r["quality"]["overall_score"] < 7]
print(f"\n审核完成: {len(passed)} 张通过, {len(failed)} 张需修改")
 
for r in failed:
    print(f"  ❌ {r['filename']}: 评分 {r['quality']['overall_score']}/10")
    if r["compliance"]["issues"]:
        print(f"     问题: {', '.join(r['compliance']['issues'])}")

import os, time, json
from google import genai
from google.genai import types
 
client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
 
def process_meeting_video(video_path: str) -> dict:
    """处理会议录像，生成结构化纪要"""
    
    # 1. 上传视频
    video_file = client.files.upload(file=video_path)
    while video_file.state.name == "PROCESSING":
        time.sleep(5)
        video_file = client.files.get(name=video_file.name)
    
    # 2. 生成结构化会议纪要
    response = client.models.generate_content(
        model="gemini-3-pro",
        contents=[
            video_file,
            """请分析这段会议录像，生成结构化会议纪要，返回 JSON 格式：
{
  "meeting_info": {
    "date": "会议日期（从视频内容推断）",
    "duration_minutes": 预估时长,
    "participants": ["参与者1", "参与者2"],
    "topic": "会议主题"
  },
  "summary": "会议摘要（200 字以内）",
  "agenda_items": [
    {
      "topic": "议题",
      "time_range": "MM:SS - MM:SS",
      "discussion_points": ["要点1", "要点2"],
      "decisions": ["决策1"],
      "open_questions": ["待解决问题"]
    }
  ],
  "action_items": [
    {
      "task": "任务描述",
      "assignee": "负责人",
      "deadline": "截止日期（如果提到）",
      "priority": "high/medium/low"
    }
  ],
  "key_quotes": [
    {
      "speaker": "说话人",
      "quote": "引用内容",
      "timestamp": "MM:SS"
    }
  ],
  "next_meeting": "下次会议安排（如果提到）"
}"""
        ],
        config={
            "response_mime_type": "application/json",
            "thinking_config": {"thinking_level": "HIGH"}
        }
    )
    
    return json.loads(response.text)
 
# 处理会议录像
meeting = process_meeting_video("./weekly_standup.mp4")
 
# 输出会议纪要
print(f"📋 会议主题: {meeting['meeting_info']['topic']}")
print(f"📝 摘要: {meeting['summary']}")
print(f"\n🎯 行动项 ({len(meeting['action_items'])} 项):")
for item in meeting["action_items"]:
    print(f"  - [{item['priority']}] {item['task']} → {item['assignee']}")