Google'ın Gemini Omni 1.2 Flash modeli yapay zeka video kliplerini 15 saniyeye çıkarıyor ve fiyatı %30 düşürüyor

Google DeepMind, Gemini Omni 1.2 Flash video oluşturma modelini genel kullanıma sunuyor. Güncellenen model 15 saniyeye kadar uzunluktaki klipler oluşturabiliyor, sohbet tabanlı düzenlemeyi destekliyor ve önceki modelden %30 daha ucuz. Her oluşturulan video ayrıca görünmez bir SynthID filigranı taşıyor.

Kullanılabilirlik ve fiyatlandırma

Google, Gemini Omni 1.2 Flash modelinin Gemini API, Google AI Studio, Google Cloud Console, Flow, Google Vids, Google AI Ultra aboneleri için Gemini uygulaması ve Google Ads üzerinden kullanıma sunulduğunu söylüyor. Klipler artık 3 ile 15 saniye arasında olabiliyor; daha önce en fazla 10 saniyeydi. Fiyatlandırma 720p video için saniye başına 0,07 dolara inerek %30 düşüyor.

Sohbet tabanlı düzenleme

Oluşturulan klipler süren bir konuşma üzerinden düzenlenebiliyor. Kullanıcılar tüm klibi yeniden oluşturmadan arka plan, aydınlatma veya en boy oranını değiştirerek oluşturulan klibi adım adım ayarlayabiliyor. Google bunun tam 15 saniyelik uzunluk boyunca çalıştığını söylüyor. Katmanlı bir iş akışıyla birlikte bu özelliğin maliyetleri düşürmesi bekleniyor: taslaklar önce 360p veya 720p çözünürlükte oluşturuluyor, tek tek ayrıntılar takip düzenlemesiyle düzeltiliyor ve yalnızca son sonuç 1080p veya 4K çözünürlüğe yükseltiliyor.

Referans uyumu ve tutarlılık

Google ayrıca referans uyumunda belirgin biçimde daha iyi sonuç sözü veriyor. Model girdi olarak karakter görsellerini, ürün fotoğraflarını, en fazla üç saniyelik kısa hareket kliplerini ve ses ipuçlarını alabiliyor. Yüzler, giysiler, ambalaj tipografisi ve marka renklerinin farklı kamera açıları boyunca tutarlı kalması bekleniyor. Örnek olarak Google sanal deneme klibi gösteriyor: tek bir model fotoğrafından ve üç kıyafetin ürün fotoğraflarından model, modelin kimliğini ve her giysinin kesimini ve dökümünü koruyarak 360 derecelik dönüşler içeren 15 saniyelik bir dizi oluşturuyor. Genel görsel tutarlılığın da iyileştiği söyleniyor; önceki modele göre hareket ve kamera geçişlerinde daha az görsel kayma veya şekil değişimi görülüyor.

Ses ve kamera hareketi

Bunun ötesinde Gemini Omni 1.2 Flash modelinin daha akıcı ve doğal sesli diyalog, daha net dudak senkronizasyonu ve birden fazla konuşmacıyı ayırt etme yeteneği üretmesi bekleniyor. Model ayrıca FPV drone uçuşları veya dramatik uzaklaşma çekimleri gibi karmaşık, sürekli kamera hareketlerini önemli ölçüde daha az istenmeyen atlamalı kesmeyle ele alıyor.

Kaynaklar: The Decoder