Google-un Gemini Omni 1.2 Flash modeli AI video kliplərini 15 saniyəyə qədər uzadır və qiyməti 30 faiz azaldır

Google DeepMind Gemini Omni 1.2 Flash video yaratma modelini ümumi istifadəyə verir. Yenilənmiş model 15 saniyəyə qədər kliplər yarada bilir, söhbət əsaslı redaktəni dəstəkləyir və əvvəlki modeldən 30 faiz ucuzdur. Hər yaradılmış videoda həmçinin görünməz SynthID su nişanı olur.

Mövcudluq və qiymət

Google bildirir ki, Gemini Omni 1.2 Flash Gemini API, Google AI Studio, Google Cloud Console, Flow, Google Vids, Google AI Ultra abunəçiləri üçün Gemini tətbiqi və Google Ads vasitəsilə təqdim olunur. Kliplər indi əvvəlki maksimum 10 saniyədən fərqli olaraq üç ilə 15 saniyə arasında ola bilər. Qiymət 30 faiz azalaraq 720p video üçün saniyədə 0,07 dollar olur.

Söhbət əsaslı redaktə

Yaradılmış kliplər davam edən söhbət vasitəsilə redaktə oluna bilir. İstifadəçilər bütün klipi yenidən yaratmadan fon, işıqlandırma və ya en-boy nisbətini addım-addım dəyişə bilərlər. Google deyir ki, bu, bütün 15 saniyəlik uzunluq boyu işləyir. Mərhələli iş axını ilə birlikdə bu funksiya xərcləri azaltmağa kömək etməlidir: qaralamalar əvvəlcə 360p və ya 720p keyfiyyətində yaradılır, ayrı-ayrı detallar təqib redaktəsi ilə düzəldilir və yalnız son nəticə 1080p və ya 4K keyfiyyətinə qədər yüksəldilir.

Referanslara uyğunluq və ardıcılıq

Google həmçinin referanslara uyğunluğun əhəmiyyətli dərəcədə yaxşılaşacağını vəd edir. Model xarakter şəkilləri, məhsul fotoları, üç saniyəyə qədər qısa hərəkət klipləri və audio işarələri daxil olmaqla girişləri qəbul edə bilir. Üzlər, geyim, qablaşdırma tipografiası və brend rəngləri müxtəlif kamera bucaqlarında ardıcıl qalmalıdır. Nümunə olaraq Google virtual geyim sınağı klipi göstərir: bir model şəkli və üç geyim dəsti məhsul şəkillərindən model 15 saniyəlik ardıcıllıq yaradır; ardıcıllıq 360 dərəcə dönüşlərlə modelin kimliyini və hər geyimin kəsimini və drapesini qoruyur. Ümumi vizual ardıcıllığın da yaxşılaşdığı deyilir; əvvəlki modelə nisbətən hərəkət və kamera keçidləri zamanı daha az vizual sürüşmə və ya morfing olur.

Audio və kamera hərəkəti

Bundan əlavə, Gemini Omni 1.2 Flash daha axıcı və təbii səslənən dialoq, daha aydın dodaq sinxronizasiyası və bir neçə danışanı fərqləndirmək bacarığı istehsal etməlidir. Model həmçinin FPV dron uçuşları və ya dramatik uzaqlaşma zoomları kimi mürəkkəb, davamlı kamera hərəkətlərini idarə edir və istənməyən ani kəsimlər əhəmiyyətli dərəcədə az olur.

Mənbələr: The Decoder