Da Video-Workflows häufig über ausgewählte Einzelbilder oder Frames in eine multimodale Analyse überführt werden, modelliert dieser Rechner genau diese Pipeline. Du gibst Videos, Dauer, Samplingrate, Token je Frame und Antwortlänge ein. So siehst du, wie viele Frames verarbeitet werden, welches Tokenvolumen entsteht und welche Kosten sich bei deinen eigenen Ein- und Ausgabetarifen ergeben.
Der Hauptwert zeigt die Kosten der modellierten Frame-basierten Videoanalyse. Die Samplingrate ist ein direkter Kostenhebel und sollte gegen die Wahrscheinlichkeit abgewogen werden, relevante Ereignisse zu erfassen.
Der Rechner modelliert keinen nativen Video-Upload, sondern einen Workflow mit extrahierten Frames. Vorverarbeitung, Speicherung und Transkription sind nicht automatisch enthalten.
500 Videos à 4 Minuten mit 6 Frames pro Minute ergeben 12.000 Frames. Bei 1.400 Token je Frame plus 700 Text-Token je Video entstehen 17,15 Mio. Eingabe-Token. Mit 600 Ausgabe-Token je Video sowie Tarifen von 3 €/15 € ergeben sich 55,95 €.
Multipliziere Videoanzahl, Dauer und Frames pro Minute und bewerte die daraus entstehenden Bild-Token mit deinem Eingabetarif.
Der Rechner bildet einen verbreiteten Workflow ab, bei dem Videos vor der multimodalen Analyse in ausgewählte Einzelbilder zerlegt werden.
Bei sonst gleichen Werten steigen die modellierten Bild-Token und damit die Eingabekosten annähernd linear mit der Samplingrate.
Nein. Zusätzliche Audioverarbeitung oder Transkription solltest du als separaten Kostenblock berücksichtigen.
Teste mehrere Raten an repräsentativen Videos und vergleiche Erkennungsqualität, verpasste Ereignisse und Kosten pro Video.
| Modul | Berechnung |
|---|---|
| Sampling | Minuten × Frames/Minute |
| Vision-Input | Frames × Token/Frame |
| Output | Antworttoken |
| Kosten/Video | Gesamtkosten ÷ Videos |