Google випустила Gemini Omni 1.2 Flash для 15-секундних відео

Google DeepMind відкрила загальний доступ до моделі генерації відео Gemini Omni 1.2 Flash. Вона створює ролики тривалістю від трьох до 15 секунд, тоді як попереднє обмеження становило 10 секунд. Вартість відео у форматі 720p зменшилася на 30 відсотків і тепер становить $0.07 за секунду. Модель доступна через Gemini API, Google AI Studio, Google Cloud Console, Flow, Google Vids, Google Ads і застосунок Gemini для передплатників Google AI Ultra. Кожне згенероване відео містить непомітний водяний знак SynthID.

Функція Conversational Editing дає змогу послідовно редагувати результат у діалозі з моделлю. Користувачі можуть змінювати тло, освітлення чи співвідношення сторін, не створюючи весь ролик заново. Google зазначає, що такі зміни працюють протягом усіх 15 секунд. Запропонований компанією процес передбачає створення чернетки у 360p або 720p, виправлення окремих деталей і збільшення роздільної здатності фінальної версії до 1080p або 4K.

Як вхідні дані модель приймає зображення персонажів і товарів, відеокліпи руху тривалістю до трьох секунд та аудіосигнали. За словами Google, вона краще зберігає обличчя, одяг, текст на пакуванні й кольори бренду. Компанія також повідомляє про стабільнішу візуальну послідовність, кращу синхронізацію губ, розрізнення кількох мовців і плавнішу роботу зі складними рухами камери.