Google выпустила Gemini Omni 1.2 Flash для 15-секундных видео

Google DeepMind открыла общий доступ к модели генерации видео Gemini Omni 1.2 Flash. Теперь она создает ролики продолжительностью от трех до 15 секунд, тогда как прежний предел составлял 10 секунд. Цена видео в разрешении 720p снизилась на 30 процентов и составляет $0.07 за секунду. Модель доступна через Gemini API, Google AI Studio, Google Cloud Console, Flow, Google Vids, Google Ads и приложение Gemini для подписчиков Google AI Ultra. В каждом созданном ролике присутствует незаметная водяная метка SynthID.

Функция Conversational Editing позволяет последовательно редактировать результат в диалоге с моделью. Пользователь может менять фон, освещение или соотношение сторон, не создавая весь ролик заново; Google заявляет, что такие изменения поддерживаются на протяжении всех 15 секунд. Предлагаемый компанией рабочий процесс предусматривает создание черновика в 360p или 720p, исправление отдельных деталей и увеличение разрешения только финальной версии до 1080p или 4K.

В качестве входных данных модель принимает изображения персонажей и товаров, трехсекундные видеозаписи движения и аудиосигналы. По словам Google, Gemini Omni 1.2 Flash лучше сохраняет лица, одежду, текст на упаковке и фирменные цвета. Компания также сообщает о более стабильной визуальной последовательности, улучшенной синхронизации речи с движением губ, различении нескольких говорящих и более плавной работе со сложными перемещениями камеры.