用 streamlit 和 phidata 测试了一下 Gemini 2.0 ，对图像的识别挺强的。

应该是将视频转换为图片来处理的，对中文的识别也挺准确，生成的结果也挺准确，逻辑性也很强。但是视频长度比较长的，可能超过了 API 的限制，无法生成结果。

视频 PKM 准备就用 Gemini 2.0 了 #22

gemini