Google مدل ویدئوساز Gemini Omni 1.2 Flash را با تولید کلیپ‌های ۱۵ثانیه‌ای عرضه کرد

Google عرضهٔ عمومی Gemini Omni 1.2 Flash را آغاز کرده است؛ مدلی برای تولید و ویرایش ویدئو که می‌تواند کلیپ‌هایی تا ۱۵ ثانیه بسازد. این سقف در نسخهٔ پیشین ۱۰ ثانیه بود و حالا مدت ویدئو را می‌توان با گام‌های یک‌ثانیه‌ای، از ۳ تا ۱۵ ثانیه، تعیین کرد. مدل از ویرایش چندمرحله‌ای با دستورهای گفت‌وگومحور نیز پشتیبانی می‌کند؛ بنابراین کاربر می‌تواند جزئیاتی از کلیپ را اصلاح کند، بی‌آنکه آن را از ابتدا بسازد.

به‌گفتهٔ Google، قیمت نسبت به Omni 1.1 سی درصد کاهش یافته و تولید ویدئوی ۷۲۰p به‌ازای هر ثانیه ۰٫۰۷ دلار هزینه دارد. کاربر می‌تواند ابتدا نسخهٔ پیش‌نویس را با وضوح ۳۶۰p یا ۷۲۰p بسازد، سپس خروجی منتخب را به ۱۰۸۰p یا 4K ارتقا دهد.

این مدل می‌تواند از تصویر شخصیت یا محصول، کلیپ حرکتی کوتاه تا سه ثانیه و نشانه‌های صوتی برای هدایت تولید استفاده کند. Google می‌گوید Omni 1.2 Flash در طول ویدئو جزئیاتی مانند چهره، لباس، نوشته‌های روی بسته‌بندی و رنگ‌های برند را با ثبات بیشتری حفظ می‌کند. در نمونهٔ شرکت، ترکیب تصویر یک مدل با عکس‌های جلو و پشت سه لباس به ساخت ویدئوی پرو مجازی ۱۵ثانیه‌ای انجامیده که در آن هویت مدل و جزئیات لباس‌ها در چرخش‌ها و برش‌های تصویری حفظ می‌شوند.

Gemini Omni 1.2 Flash از طریق Gemini API و Gemini for business در دسترس عمومی قرار گرفته است. Google همچنین به عرضهٔ قابلیت‌ها در Google Vids اشاره می‌کند.