Google julkaisee Gemini Omni 1.2 Flashin, jossa 15 sekunnin video ja 30 % alhaisemmat kustannukset

Kuva: Google · Lähde

Googlen Gemini Omni 1.2 Flash mahdollistaa 15 sekunnin natiivien videoiden luomisen paremman johdonmukaisuuden, monivaiheisen keskusteluperusteisen editoinnin ja 30 % edullisemman hinnoittelun avulla, mahdollistaen skaalautuvan korkealaatuisen videotuotannon.

Google on julkaissut Gemini Omni 1.2 Flash -päivitetyn tekoälyvideomallin, joka on saatavilla Gemini API:n, Google Vidsin ja Gemini for business -palvelun kautta. Uuden version natiivivideoleikkeen pituus on laajentunut 15 sekuntiin, kun aiemmin pituus oli 10 sekuntia, tarjoten käyttäjille enemmän joustavuutta kokonaisvaltaisten tarinoiden, tuotteen esittelyjen ja sosiaalisten mainosten luomiseen yhdellä generoinnilla.

Merkittävä parannus on monivaiheinen keskusteluperusteinen editointi, joka antaa käyttäjille mahdollisuuden hienosäätää videoita vuorovaikutteisesti ilman prosessin uudelleenkäynnistämistä. Esimerkiksi taustan vaihtaminen, valaistusolosuhteiden muuttaminen tai kuvasuhteen säätäminen onnistuu peräkkäisten kehotteiden avulla säilyttäen hahmojen liikkeiden ja kohtauksen elementtien jatkuvuuden. Tämä interaktiivinen editointi on tuettuna koko 15 sekunnin leikkeelle, mikä helpottaa varianttien tuottamista erilaisille yleisöille ja alustoille.

Gemini Omni 1.2 Flash tarjoaa myös parannetun lähdeaineiston noudattamisen, säilyttäen hahmojen, tuotteiden ja brändielementtien, kuten kasvojen, vaatteiden, typografian ja värien, johdonmukaisuuden kamerakulmien vaihtuessa koko leikkeen ajan. Tämä luotettavuus tukee käyttötapauksia, kuten virtuaalisia sovitusjaksoja ja brändättyjä videosisältöjä, jossa visuaalinen uskollisuus alkuperäisiin kuviin on kriittistä.

Visuaalisesti malli tuottaa vakaampaa ja elokuvamaista kuvamateriaalia vähentäen visuaalista horjuntaa ja hyppypätkiä monimutkaisissa kameraliikkeissä, kuten lentojen läpi suoritettavissa otoksissa ja zoomauksissa ulos. Kohtauksen johdonmukaisuus säilyy ruudulta ruudulle jopa pidemmillä otoksilla, jotka sisältävät useita siirtymiä ja liikkeitä.

Lisäksi malli tarjoaa luonnollisemman kuulostavan puheen parannetulla huulten synkronoinnilla ja monipuhujakeskustelun tuella, lisäten avatarien ja kerrontojen realismia.

Google on myös laskenut käyttökustannuksia 30 % verrattuna Gemini Omni 1.1:een, hinnoitellen videoiden luomisen 0,07 dollarilla sekunnilta 720p-resoluutiolla. Työnkulut painottavat kustannustehokkuutta sallimalla nopeita luonnoksia alemmilla resoluutioilla (360p tai 720p), kohdennettuja hienosäätöjä monivaiheisen editoinnin kautta sekä mahdollisuuden nostaa lopullinen valittu versio 1080p- tai 4K-resoluutioon.

Gemini Omni 1.2 Flash on nyt yleisesti saatavilla, tuettuna Google Cloudin yritysluokan infrastruktuurilla, johon kuuluu varattu läpimeno ja huomaamattomat SynthID-vesileimat tuotoksissa. Käyttäjät voivat käyttää tätä teknologiaa kehittäjätyökalujen kuten Google AI Studion, yritys- ja kuluttajaportaalejen tai kuluttajille suunnattujen sovellusten, kuten Google Vidsin ja Gemini-sovelluksen (käyttöönotossa Google AI Ultra -tilaajille) kautta.

Tämä julkaisu edustaa merkittävää edistysaskelta tekoälypohjaisen videotuotannon kentällä ja tukee sisällöntuottajia, kehittäjiä ja yrityksiä, jotka pyrkivät tuottamaan skaalautuvaa ja korkealaatuista videosisältöä tehokkaasti.