Google пусна Gemini Omni 1.2 Flash за 15-секундни видеоклипове

Google DeepMind обяви общата достъпност на модела за генериране на видео Gemini Omni 1.2 Flash. Той създава клипове с продължителност от три до 15 секунди, вместо досегашния максимум от 10 секунди. Цената за видео с резолюция 720p е намалена с 30 процента до $0.07 за секунда. Моделът се предлага чрез Gemini API, Google AI Studio, Google Cloud Console, Flow, Google Vids, Google Ads и приложението Gemini за абонати на Google AI Ultra. Всеки генериран клип съдържа невидим воден знак SynthID.

Google представя функцията Conversational Editing, чрез която потребителите могат да променят видеото с поредица от указания. Сред възможните корекции са фонът, осветлението и съотношението на страните, без цялото видео да се генерира наново. Според компанията работният процес може да започне с чернова на 360p или 720p, последвана от корекции на отделни детайли и финално мащабиране до 1080p или 4K.

Моделът приема изображения на герои и продукти, кратки видеоклипове с движение до три секунди и аудио сигнали. Google заявява, че той по-добре запазва лицата, дрехите, текста върху опаковките и цветовете на марките, както и подобрява визуалната последователност, синхронизацията на устните, диалога между няколко говорители и сложните движения на камерата.