Google wprowadza Gemini Omni 1.2 Flash: 15-sekundowe wideo i ceny niższe o 30%

Google informuje, że Gemini Omni 1.2 Flash jest już ogólnie dostępny w Gemini API i Google Cloud, a Gemini Omni po raz pierwszy trafia do powszechnej dostępności. Model natywnie generuje i edytuje wideo o długości do 15 sekund (w porównaniu z 10 sekundami w Omni 1.1), a długość można ustawiać co sekundę, od 3 do 15 sekund.

Google wymienia następujące zmiany:

• Cena: o 30% niższa niż w Omni 1.1 — 0,07 USD za sekundę wideo w rozdzielczości 720p. Wersje robocze można tworzyć w 360p lub 720p, a najlepsze wyniki skalować do 1080p lub 4K.
• Edycja: klip można dopracowywać w kolejnych turach rozmowy — na przykład podmieniać produkt lub tło albo zmieniać oświetlenie — zamiast generować go od nowa.
• Materiały referencyjne: model lepiej odwzorowuje obrazy postaci, produktów lub stylu, klipy ruchu o długości do trzech sekund oraz wskazówki dźwiękowe.
• Spójność i mowa: mniejsze odchylenia i mniej nagłych cięć przy ruchach kamery, a także wyraźniejsza synchronizacja ruchu ust z mową i dialogi kilku osób.

Model jest dostępny w Google AI Studio, konsoli Google Cloud (z Provisioned Throughput), Flow, Google Vids, Google Ads oraz w aplikacji Gemini dla subskrybentów Google AI Ultra. Wyniki są oznaczane znakiem wodnym SynthID. Google zaznacza, że szybka akcja sportowa, gwałtowne zmiany scenariusza i złożona fizyka nadal wymagają dopracowania. Przytoczone twierdzenia pochodzą od Google.