Google-ის Gemini Omni 1.2 Flash-მა AI ვიდეოკლიპები 15 წამამდე გაახანგრძლივა და ფასი 30 პროცენტით შეამცირა

Google DeepMind-მა ვიდეოგენერაციის მოდელი Gemini Omni 1.2 Flash ზოგადად ხელმისაწვდომად აქცია. განახლებულ მოდელს 15 წამამდე ხანგრძლივობის კლიპების შექმნა შეუძლია, მხარს უჭერს საუბრის რეჟიმში რედაქტირებას და წინა მოდელზე 30 პროცენტით იაფია. ყოველ გენერირებულ ვიდეოს ასევე აქვს შეუმჩნეველი SynthID წყლის ნიშანი.

ხელმისაწვდომობა და ფასი

Google-ის თქმით, Gemini Omni 1.2 Flash-ი ვრცელდება Gemini API-ის, Google AI Studio-ს, Google Cloud Console-ის, Flow-ის, Google Vids-ის, Google AI Ultra-ს აბონენტებისთვის Gemini-ის აპისა და Google Ads-ის მეშვეობით. კლიპების ხანგრძლივობა ახლა სამიდან 15 წამამდეა, მაშინ როცა ადრე მაქსიმუმ 10 წამი იყო. 720p ვიდეოს ფასი 30 პროცენტით დაეცა და წამში $0,07 შეადგენს.

საუბრის რეჟიმში რედაქტირება

გენერირებული კლიპის რედაქტირება შესაძლებელია მიმდინარე საუბრის პროცესში. მომხმარებლებს შეუძლიათ გენერირებული კლიპი ეტაპობრივად შეასწორონ: შეცვალონ ფონი, განათება ან ასპექტის თანაფარდობა მთლიანი კლიპის ხელახლა გენერირების გარეშე. Google-ის თქმით, ეს მთელ 15-წამიან სიგრძეზე მუშაობს. საფეხურებრივ სამუშაო პროცესთან შერწყმით ეს ფუნქცია ხარჯებს უნდა ამცირებდეს: ჯერ ესკიზები იქმნება 360p ან 720p-ზე, ცალკეული დეტალები შემდგომი რედაქტირებით სწორდება, ხოლო 1080p ან 4K-მდე მხოლოდ საბოლოო შედეგი მასშტაბირდება.

რეფერენსებთან შესაბამისობა და თანმიმდევრულობა

Google-ი ასევე ჰპირდება რეფერენსებთან მნიშვნელოვნად უკეთეს შესაბამისობას. მოდელს შეყვანის სახით შეუძლია მიიღოს პერსონაჟის სურათები, პროდუქტის ფოტოები, სამ წამამდე ხანგრძლივობის მოძრაობის მოკლე კლიპები და აუდიო მინიშნებები. მოსალოდნელია, რომ სახეები, ტანსაცმელი, შეფუთვის ტიპოგრაფია და ბრენდის ფერები სხვადასხვა კამერის კუთხით თანმიმდევრული დარჩეს. მაგალითად, Google-ი აჩვენებს ვირტუალური მორგების კლიპს: ერთი მოდელის ფოტოსა და სამი კომპლექტის პროდუქტის კადრების საფუძველზე მოდელი ქმნის 15-წამიან მიმდევრობას 360-გრადუსიანი ბრუნვებით და ამავდროულად ინარჩუნებს მოდელის იდენტობასა და თითოეული სამოსის ჭრილსა და დრაპირებას. ნათქვამია, რომ ზოგადი ვიზუალური თანმიმდევრულობაც გაუმჯობესდა: მოძრაობისა და კამერის გადასვლების დროს ვიზუალური დრიფტი ან მორფინგი წინა მოდელთან შედარებით ნაკლებია.

აუდიო და კამერის მოძრაობა

გარდა ამისა, Gemini Omni 1.2 Flash-მა უფრო გლუვი და ბუნებრივი ჟღერადობის დიალოგი უნდა შექმნას, უფრო მკაფიო ტუჩების სინქრონიზაციით და რამდენიმე მოსაუბრის გარჩევის უნარით. მოდელი ასევე უმკლავდება კამერის რთულ, უწყვეტ მოძრაობებს, მაგალითად FPV დრონის ფრენას ან დრამატულ ზუმაუტს, მნიშვნელოვნად ნაკლები არასასურველი ნახტომისებრი ჭრებით.

წყაროები: The Decoder