gemini支持拍照解题、识物和视频分析三大场景：拍题需占比超60%并垂直拍摄；识物分网页上传、相机直拍、多图验证三法；视频分析须预处理后上传，指令需明确提取带时间戳的待办事项。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
想用一张照片快速解出数学题、拍下路边植物立刻知道学名、上传一段会议视频自动提炼关键决策点——Gemini的多模态能力已支持这些真实场景的端到端处理，无需拆解为OCR+搜索+人工整理多个步骤。
拍图搜题：手写/印刷体题目秒解
第一步：确保题目区域在画面中占比超60%，避开反光、手指遮挡和阴影覆盖。纸张平铺于深色无纹理背景上，手机镜头垂直对准，不倾斜。
第二步：打开Gemini官方App（iOS 1.2025.2362302或安卓Google应用16.24以上），点击输入框旁的图片图标→选择刚拍的照片。
第三步：输入指令必须包含动作动词与格式要求，例如：“请识别图中全部数学表达式，分步推导x的值，每步用【】标出依据的公式或定理，最终结果加粗。”【不写‘请解答’而写‘分步推导’，模型才会输出推理链而非仅答案】
第四步：若题目含复杂几何图，追加一句：“忽略图中铅笔辅助线，仅分析黑色实线构成的三角形ABC及其标注角度。”
识物：植物、动物、商品等一键识别
方法一：网页端精准识别（适合高清图）
打开gemini.google.com→登录→点击输入框右侧回形针图标→上传植物叶面特写或动物侧脸照→输入：“识别物种全称（拉丁文学名），列出两项该物种在野外生存的关键适应特征。”
用于在用户想通过浏览器自动化与 Google Gemini 或 ChatGPT 交互时。触发短语包括“ask Gemini”“ask ChatGPT”“ask GPT”“让...”。
方法二：移动端实时相机识别（适合野外即拍即问）
启动Gemini App→点底部中央相机图标→对准目标保持2秒稳定→自动抓拍→立即弹出识别卡片。注意：阴天或背光时，手动轻触屏幕亮区强制补光，否则叶片细节易丢失。
方法三：多图交叉验证（解决单图误判）
拍3张：整体形态+局部纹理（如树皮裂纹）+花蕊结构→全部上传至同一对话→指令写：“对比这三张图，确认是否为同一物种；若存疑，请指出哪张图的哪个特征与其他图冲突。”
视频内容分析：从2小时会议录像里挖出待办事项
① 上传前预处理：
用剪映或系统自带编辑器裁掉片头片尾黑场，确保视频开头即为会议开始画面；文件格式转为MP4，分辨率不低于720p，单文件≤2GB。
② 上传与指令设计：
访问ai.rsk.cn（国内可用镜像站）→登录→进入“视频理解”工作台→拖入处理后视频→等待进度条完成→在提示框中输入：“提取视频中所有明确说出的‘待办事项’，按发言时间顺序编号，每人每次发言只记一条最具体的任务（含负责人姓名、截止时间关键词、交付物名称），忽略‘后续讨论’‘再研究’等模糊表述。”
③ 验证关键帧：
模型返回结果中若出现“张工负责整理API文档，下周三前”这类条目，点击右侧【定位】按钮，自动跳转至视频第12分47秒对应说话片段，核对原始语音是否真有“下周三”字眼——【未明确说出的时间词，模型可能自行脑补，必须人工锚定】
