Google wprowadza Gemini Omni 1.2 Flash z natywnym 15-sekundowym wideo i kosztem niższym o 30%

Image: Google · Source

Gemini Omni 1.2 Flash od Google umożliwia natywną 15-sekundową generację wideo z lepszą spójnością, wieloetapową edycją konwersacyjną oraz ceną o 30% niższą, ułatwiając skalowalną produkcję wysokiej jakości materiałów wideo.

Google wprowadziło Gemini Omni 1.2 Flash, zaktualizowany model AI do generowania wideo dostępny przez Gemini API, Google Vids i Gemini dla biznesu. Ta nowa wersja wydłuża natywną długość klipu wideo do 15 sekund, w porównaniu do 10 sekund w poprzednim wydaniu, dając użytkownikom większą elastyczność w tworzeniu pełnych narracji, objaśnień produktów i reklam społecznościowych w jednym procesie generacji.

Kluczowym usprawnieniem jest wieloetapowa, konwersacyjna edycja, która pozwala użytkownikom na interaktywne udoskonalanie wideo bez konieczności rozpoczynania od nowa. Na przykład, można zmieniać tło, warunki oświetleniowe lub proporcje obrazu poprzez kolejne polecenia, zachowując ciągłość ruchów postaci i elementów sceny. Ta interaktywna edycja obsługuje pełne 15-sekundowe klipy, upraszczając produkcję wariantów dla różnych odbiorców i platform.

Gemini Omni 1.2 Flash oferuje również lepsze dopasowanie do odniesień, utrzymując spójność postaci, produktów i elementów brandingu, takich jak twarze, ubrania, typografia i kolory, w różnych ujęciach kamery w całym klipie. Ta niezawodność wspiera zastosowania typu wirtualne przymierzanie i markowe reklamy wideo, gdzie wizualna zgodność ze źródłowymi obrazami jest kluczowa.

Wizualnie model generuje bardziej stabilne i kinowe ujęcia poprzez redukcję dryfu wizualnego i cięć skokowych podczas skomplikowanych ruchów kamery, takich jak przeloty i oddalania. Spójność sceny zachowana jest klatka po klatce, nawet w dłuższych ujęciach z wieloma przejściami i ruchami.

Dodatkowo, model dostarcza bardziej naturalnie brzmiącą mowę z ulepszonym synchronizowaniem ust oraz obsługą dialogów wielogłosowych, zwiększając realizm awatarów i prezentacji narracyjnych.

Google obniżyło też koszty użytkowania o 30% w porównaniu do Gemini Omni 1.1, wyceniając generowanie wideo na 0,07 USD za sekundę przy rozdzielczości 720p. Procesy pracy kładą nacisk na efektywność kosztową poprzez umożliwienie szybkich szkiców w niższych rozdzielczościach (360p lub 720p), ukierunkowanych korekt przez wieloetapową edycję oraz opcję podniesienia jakości wybranych wersji do 1080p lub 4K.

Gemini Omni 1.2 Flash jest już ogólnie dostępne, wspierane przez infrastrukturę klasy przedsiębiorstw Google Cloud, z funkcjami takimi jak gwarantowana przepustowość i praktycznie niewidoczne znaki wodne SynthID w materiałach wyjściowych. Użytkownicy mogą korzystać z tej technologii przez narzędzia dla deweloperów jak Google AI Studio, platformy biznesowe lub aplikacje konsumenckie takie jak Google Vids i aplikację Gemini (stopniowo udostępnianą subskrybentom Google AI Ultra).

To wydanie stanowi ważny krok w tworzeniu treści wideo sterowanych przez AI, wspierając twórców, programistów i firmy w efektywnej produkcji skalowalnych, wysokiej jakości materiałów wideo.