HUANGDOU AI · PRACTICAL GUIDE
文字图片视频任务怎么描述
三类任务都需要目标和输出要求,但定位材料的方式不同:文字用段落,图片用可辨认的区域,视频用时间段。先说清要分析现有材料,还是要创作新的内容。
先分清“读已有内容”和“创作新内容”
“帮我做张图”可能指描述一张已有图片,也可能指生成新图片;“处理这段视频”可能是总结现有片段,也可能是写一个拍摄计划。黄豆ai建议在开头直接写动词与对象,例如“读取这张海报上可见的活动信息”,以免任务走向另一种交付。
不同工具对文件格式、数量、尺寸及分析方式的支持不同。本文不提供统一上传限制,也不把Google文档里的图像或视频能力归给所有AI。先确认所用工具确实能读取材料;只发送网址不等于对方已经成功获取网页、图片或视频。
三种输入,各自补足哪类信息
| 输入 | 要准备的材料 | 怎样定位 | 复核重点 |
|---|---|---|---|
| 文字 | 完整相关段落、必要前后文 | 文档名、章节与段落编号 | 是否改变否定、数量与适用条件 |
| 图片 | 清晰且方向正确的图片 | 图一、左上标题区等明确位置 | 文字辨认、遮挡以及可见与推测的区别 |
| 视频 | 实际可读取的视频片段 | 起止时间和对应问题 | 时间位置、声音来源、快速变化处 |
文字:划清引用边界,避免材料与命令混在一起
用“材料开始/材料结束”或标题分隔原文和你的要求。需要总结时说明保留哪些字段;需要改写时说明哪些名称或术语不可替换。原文含观点与事实时,可要求分别列出,而不要把作者的判断直接改成客观事实。
例如让工具从三段活动说明中提取日期时,可规定输出为“段落编号、原句、日期、是否需要确认”四列。缺失日期留空并解释缺失,不能用其他活动的日期填补。
图片:限定观察对象,允许看不清
Google图像理解文档建议采用清晰、不模糊且方向正确的图像。这并不意味着每一处细节都能准确识别。提问时同时说明目标区域与判断范围,例如只读取海报中可见的文字,不推断被遮住的联系人姓名。
若需要比较两张图,把图一和图二的用途写清楚。不要只说“像这一张”,应区分比较布局、识别差异或参考配色。要求生成新画面时,还要另行写出主体、构图和需要保留的元素;这已经是另一类任务。
虚构练习:请读取所附读书会海报左上标题区与中部时间区。 输出列:图中位置|可辨认原文|无法确认的字符。 仅记录看得见的文字,不补出被遮挡的信息;不要判断活动是否真实举办。
视频:给出片段范围,分开记录看到和听到的内容
视频包含连续画面与可能存在的声音。先说明关注哪个时间段,以及问题是画面动作、口播信息还是二者是否一致。Google的视频文档介绍使用时间戳提问,并说明处理中的抽帧可能遗漏快速动作;这提示我们对关键细节应回到原片人工复核。
例如“总结00:20—00:45出现的步骤”比“总结这个视频”范围更清楚。需要精确判断转场或某个字出现的瞬间时,应记录工具给出的时间只是定位线索,回看片段确认,不把近似时间当作逐帧测量。
虚构练习:分析00:20—00:45的操作演示。 请分成“画面可见步骤”和“口播提到的步骤”两列,并标注对应时间。 看不到、听不清或音画矛盾的地方单列“待复核”,不自行合并成确定结论。
统一输出证据位置,方便人工检查
上表也是虚构示例,不是模型识别结果。把确定与不确定的内容同时留下来,比强迫每个单元格都有答案更适合后续复核。
| 证据位置 | 可确认内容 | 无法确认内容 | 后续动作 |
|---|---|---|---|
| 文字第2段 | 出现活动地点 | 没有费用信息 | 向资料提供者确认 |
| 图片中部时间区 | 可见14:00 | 结束时间被遮挡 | 索取清晰原图 |
| 视频00:28附近 | 画面出现一个步骤 | 口播未听清 | 回放相关片段 |
资料来源与适用范围
以下公开资料于2026年11月16日核对,用于支持通用方法。文档中的产品能力属于相应供应商,不代表黄豆ai提供这些功能;本文的任务卡、表格和虚构案例由本站整理。
- Google · Image understanding ↗
清晰度、方向等图像输入建议;具体功能说明限于该文档产品。
- Google · Video understanding ↗
时间戳提问、视频音画信息与快速变化内容的复核。
- Google · Prompt design strategies ↗
使用明确任务、上下文与输出格式。