„Google“ pristato „Gemini Omni 1.2 Flash“ su 15 sekundžių vaizdo įrašams ir 30% mažesnėmis kainomis

Vaizdas: Google · Šaltinis

„Google“ „Gemini Omni 1.2 Flash“ suteikia galimybę natūraliai kurti 15 sekundžių vaizdo įrašus su pagerintu nuoseklumu, kelių etapų pokalbių redagavimu ir 30% mažesnėmis kainomis, kas palengvina kokybiškos ir mastelį plečiančios vaizdo gamybos procesą.

„Google“ pristatė atnaujintą dirbtinio intelekto vaizdo kūrimo modelį „Gemini Omni 1.2 Flash“, kuris yra prieinamas per Gemini API, „Google Vids“ ir „Gemini for business“. Naujoji versija išplečia natūralaus vaizdo įrašo trukmę iki 15 sekundžių, kai ankstesnė versija leido generuoti tik 10 sekundžių trukmės klipus, tai suteikia vartotojams didesnę laisvę kurti pilnas pasakojimo istorijas, produkto aiškinamuosius vaizdo įrašus ir socialines reklamas vienu generavimo ciklu.

Vienas svarbiausių patobulinimų yra kelių etapų pokalbių redagavimas, leidžiantis vartotojams interaktyviai tobulinti vaizdo įrašus nesikartojant nuo pradžių. Pavyzdžiui, galima keisti foną, apšvietimą ar vaizdo formatą per nuoseklius nurodymus, išsaugant nuoseklumą personažų judesyje ir scenos elementuose. Šis interaktyvus redagavimas taikomas visam 15 sekundžių klipui, kas palengvina įvairių variantų kūrimą skirtingoms auditorijoms ir platformoms.

„Gemini Omni 1.2 Flash“ taip pat pasižymi geresniu atitikimu nuorodoms, išlaikant simptomų, produktų ir prekės ženklo elementų, tokių kaip veidai, rūbai, tipografija ir spalvos, nuoseklumą vaizdo kampų kaitos metu. Šis patikimumas yra ypač svarbus tokiems atvejams kaip virtualūs drabužių pritaikymo seansai ir prekės ženklų vaizdo reklamos, kur vizualinė tiksluma yra būtina.

Vizualiai modelis generuoja stabilesnius ir kino stiliaus vaizdus sumažindamas vizualinį dreifą ir staigias pertraukas sudėtingų kameros judesių metu, tokių kaip praskridimai ar nutolimai. Scenos nuoseklumas išlaikomas kadras po kadro, net ir ilgesniuose epizoduose su keliomis pereinamomis fazėmis ir judesiais.

Be to, modelis leidžia sklandžiau ir natūraliau skambančią kalbą su patobulintu lūpų sinchronizavimu ir kelių kalbėtojų dialogų raiška, taip gerinant avatarų bei pasakojimo realistiškumą.

„Google“ taip pat sumažino naudojimo kainą 30% lyginant su „Gemini Omni 1.1“, nustatydama vaizdo generavimo kainą 0,07 USD už sekundę su 720p raiška. Darbo procesai orientuoti į sąnaudų efektyvumą leidžiant greitus eskizus mažesnės raiškos (360p arba 720p), tikslinimus per kelių etapų redagavimą bei galimybę galutinį variantą padidinti iki 1080p ar 4K raiškos.

„Gemini Omni 1.2 Flash“ jau prieinamas plačiai, palaikomas „Google Cloud“ įmonių lygio infrastruktūros, su funkcijomis kaip užsakytas pralaidumas ir nepastebimi SynthID vandens ženklai rezultatuose. Vartotojai gali pasiekti šią technologiją per kūrėjų įrankius kaip „Google AI Studio“, verslo platformas arba vartotojams skirtas programas, tokių kaip „Google Vids“ ir „Gemini“ aplikacija (palaipsniui prieinama „Google AI Ultra“ prenumeratoriams).

Šis leidimas žymi reikšmingą pažangą dirbtinio intelekto pagrindu kuriamo vaizdo turinio kūrime, remiantį kūrėjus, programuotojus ir verslus, siekiančius efektyviai gaminti mastelio prasme aukštos kokybės vaizdo turinį.