Google izlaiž Gemini Omni 1.2 Flash ar paplašinātu 15 sekunžu video un par 30% zemākām izmaksām

Attēls: Google · Avots

Google Gemini Omni 1.2 Flash ļauj radīt nativus 15 sekunžu video ar uzlabotu konsekvenci, daudzpakāpju sarunu rediģēšanu un par 30% zemākām izmaksām, atvieglojot mērogojamu kvalitatīvu video ražošanu.

Google ir ieviesis Gemini Omni 1.2 Flash, atjauninātu mākslīgā intelekta video ģenerēšanas modeli, kas pieejams caur Gemini API, Google Vids un Gemini biznesa risinājumiem. Šī jaunā versija paplašina nativā videoklipa garumu līdz 15 sekundēm, salīdzinot ar iepriekšējo versiju, kurā bija 10 sekundes, nodrošinot lietotājiem lielāku elastību pilnīgu stāstu, produktu skaidrojumu un sociālo reklāmu radīšanā vienā ģenerējumā.

Galvenais uzlabojums ir daudzpakāpju sarunu rediģēšana, kas ļauj lietotājiem interaktīvi pilnveidot video, nesākot procesu no jauna. Piemēram, var mainīt fonus, apgaismojuma apstākļus vai pielāgot attēla proporcijas secīgu komandējumu veidā, saglabājot rakstzīmju kustību un ainavas elementu nepārtrauktību. Šī interaktīvā rediģēšana tiek atbalstīta visa 15 sekunžu klipa garumā, vienkāršojot variantu radīšanu dažādām auditorijām un platformām.

Gemini Omni 1.2 Flash arī piedāvā uzlabotu atsauču uzturēšanu, saglabājot konsekvenci rakstzīmju, produktu un zīmolu elementu, kā sejas, apģērbu, tipogrāfijas un krāsu ziņā visā klipā, pat mainot kameras leņķus. Šī uzticamība atbalsta tādus lietojumus kā virtuālās uzmērīšanas secības un zīmolu video reklāmas, kur vizuālā precizitāte attiecībā uz avota attēliem ir būtiska.

Vizualizācijas ziņā modelis rada stabilāku un kinematogrāfiskāku materiālu, samazinot vizuālo novirzi un pērlīšu griešanās pārejas sarežģītas kameras kustības laikā, piemēram, lidojumus un tālummaiņas atvilkšanu. Ainas konsekvence tiek uzturēta starp kadriem, pat garākos kadrējumos ar daudziem pārejām un kustībām.

Turklāt modelis nodrošina dabiskāku runas skaņu ar uzlabotu lūpu sinhronizāciju un daudzrunātāju dialoga iespējām, uzlabojot avatoru un stāstījumu reālisma līmeni.

Google arī samazinājis izmaksas par 30% salīdzinājumā ar Gemini Omni 1.1, nosakot video ģenerēšanas cenu 0,07 dolāri sekundē 720p izšķirtspējā. Darbplūsmas ir orientētas uz izmaksu efektivitāti, ļaujot ātras melnrakstu veidošanu zemākās izšķirtspējās (360p vai 720p), mērķtiecīgas korekcijas daudzpakāpju rediģēšanas veidā un iespēju galīgo izvēli palielināt līdz 1080p vai 4K.

Gemini Omni 1.2 Flash tagad ir pieejams vispārēji, atbalstīts ar Google Cloud uzņēmumu līmeņa infrastruktūru, tostarp ar rezervēto caurlaidspēju un neredzamām SynthID ūdenszīmēm izvadē. Lietotāji var piekļūt šai tehnoloģijai, izmantojot izstrādātāju rīkus kā Google AI Studio, uzņēmumu platformas vai patērētājiem paredzētas lietotnes, piemēram, Google Vids un Gemini lietotni (pakāpeniski pieejama Google AI Ultra abonentiem).

Šī versija ir nozīmīgs solis AI virzītas video satura radīšanā, atbalstot veidotājus, izstrādātājus un uzņēmumus, kas vēlas efektīvi radīt mērogojamu, augstas kvalitātes video saturu.