Google випустила Gemini Omni 1.2 Flash для 15-секундного відео

Google випустила Gemini Omni 1.2 Flash — мультимодальну модель для створення й редагування відео. Вона приймає текст, зображення, короткі відеокліпи та аудіо, а генерує відео зі звуком. Модель доступна через Gemini API і Google Cloud. Її ваги закриті, тому локальне розгортання не підтримується.

Gemini Omni 1.2 Flash створює та редагує ролики тривалістю до 15 секунд, тоді як Omni 1.1 Flash працювала з кліпами до 10 секунд. Тривалість можна задавати від трьох до 15 секунд із кроком в одну секунду. Google повідомляє про точніше дотримання референсів і кращу стабільність облич, одягу, тексту на упаковці та кольорів бренду. Серед інших заявлених змін — природніша мова, чіткіша синхронізація губ і кращий контроль руху камери. Багатоетапне редагування в діалозі тепер охоплює весь 15-секундний кліп.

Вартість відео у 720p становить $0.07 за секунду, або приблизно $1.05 за 15 секунд. Це на 30% менше, ніж для попередньої версії. Розробники можуть створити чернетку в 360p або 720p, виправити окремі деталі та збільшити роздільність до 1080p або 4K. Google ще не оприлюднила результати бенчмарків версії 1.2. Компанія зазначає, що швидкі спортивні сцени, різкі зміни сценарію та складна фізика залишаються проблемними. Результати містять водяний знак SynthID.