গুগল তার মাল্টিমোডাল ভিডিও জেনারেশন মডেলের নতুন সংস্করণ জেমিনি ওমনি 1.2 ফ্ল্যাশের সাধারণ উপলব্ধতা ঘোষণা করেছে। Google-এর অফিসিয়াল ঘোষণা অনুযায়ী, আপডেটটি 15-সেকেন্ডের ভিডিও তৈরি, বহু-মুখী কথোপকথন সম্পাদনা, এবং উন্নত রেফারেন্স আনুগত্য নিয়ে আসে, যেখানে দাম 30 শতাংশ কমানো হয়। মডেলটি আজ Gemini API, Google ক্লাউড, Google Vids, এবং Gemini জুড়ে ব্যবসার জন্য চালু হচ্ছে।

Google DeepMind-এর প্রোডাক্ট ম্যানেজার অনীশ নাঙ্গিয়া, "জেমিনি ওমনি 1.2 ফ্ল্যাশ: দীর্ঘ ক্লিপগুলির সাথে দ্রুত এবং সাশ্রয়ী মূল্যের" শিরোনামের একটি ব্লগ পোস্টে রিলিজটি প্রবর্তন করেছেন, এটিকে ডেভেলপার এবং ব্যবসার জন্য একটি উৎপাদন-প্রস্তুত বিকল্প হিসাবে অবস্থান করে যা ভিডিও সামগ্রী তৈরি করছে। For more context on this story, see our ongoing AI industry coverage.

Gemini Omni 1.2 Flash-এ নতুন কি আছে

হেডলাইন ক্ষমতা হল 15-সেকেন্ডের ভিডিও ক্লিপগুলির জন্য নেটিভ সমর্থন, ওমনি লাইনের পূর্ববর্তী সংস্করণগুলির তুলনায় একটি অর্থবহ এক্সটেনশন৷ গুগল বলে যে মডেলটি ফ্রেম জুড়ে আরও শক্তিশালী ধারাবাহিকতা সরবরাহ করে, যা পেশাদার প্রকল্পগুলির জন্য গুরুত্বপূর্ণ যেখানে শটগুলির মধ্যে ধারাবাহিকতা চূড়ান্ত আউটপুট তৈরি করতে বা ভাঙতে পারে।

দ্বিতীয় প্রধান সংযোজন হল মাল্টি-টার্ন কথোপকথন সম্পাদনা। একটি বিশদ বিবরণ ভুল হলে স্ক্র্যাচ থেকে একটি ক্লিপ পুনরুত্পাদন করার পরিবর্তে, বিকাশকারী এবং নির্মাতারা এখন কথোপকথন নির্দেশাবলীর ক্রম অনুসারে ভিডিওগুলিকে পরিমার্জন করতে পারেন৷ Google বলে যে এটি আবার শুরু না করে দ্রুত সামঞ্জস্য করার অনুমতি দেয়, যা ভলিউমে ভিডিও তৈরিকারী দলগুলির জন্য পুনরাবৃত্তির সময় এবং টোকেন খরচ উভয়ই কমিয়ে দেয়।

Google এছাড়াও উন্নত করেছে যাকে এটি রেফারেন্স আনুগত্য বলে — একজন ব্যবহারকারীর দেওয়া ভিজ্যুয়াল রেফারেন্স এবং নির্দেশাবলীতে লেগে থাকার মডেলের ক্ষমতা। ব্যবহারিক পরিভাষায়, এর অর্থ একটি রেফারেন্স ইমেজ বা বর্ণনা দ্বারা পরিচালিত অক্ষর, শৈলী এবং দৃশ্য উপাদানগুলি জেনারেট করা ক্লিপ জুড়ে আরও বিশ্বস্ত থাকা উচিত।

মূল্য 30 শতাংশ কমেছে

এআই ভিডিও জেনারেশনের উৎপাদন ব্যবহারের ক্ষেত্রে খরচ অন্যতম প্রধান বাধা হয়ে দাঁড়িয়েছে এবং গুগল সরাসরি এটিকে আক্রমণ করছে। কোম্পানি পূর্ববর্তী সংস্করণের তুলনায় জেমিনি ওমনি 1.2 ফ্ল্যাশের দাম 30 শতাংশ কমিয়েছে, মডেলটিকে উচ্চ-ভলিউম ভিডিও উত্পাদনের জন্য একটি সাশ্রয়ী বিকল্প হিসাবে তৈরি করেছে৷

মাল্টিমোডাল জেনারেশনে প্রতিযোগিতা তীব্র হওয়ার সাথে সাথে দাম কমানো হয়। ওপেনএআই, মেটা এবং স্টার্টআপগুলির একটি তরঙ্গ গত এক বছরে এআই ভিডিওতে ঠেলে দিয়েছে এবং বিকাশকারীরা ক্রমবর্ধমানভাবে ক্লিপ প্রতি মূল্যের উপর ভিত্তি করে যতটা কাঁচা মানের মডেল বেছে নেয়। কম মূল্যের সাথে দীর্ঘ ক্লিপ যুক্ত করার Google-এর সিদ্ধান্ত প্রস্তাব করে যে এটি জেমিনি ওমনিকে শুধু পরীক্ষা-নিরীক্ষার পরিবর্তে বাণিজ্যিক কাজের চাপের জন্য ডিফল্ট পছন্দ হতে চায়।

যেখানে বিকাশকারীরা এটি ব্যবহার করতে পারে

জেমিনি ওমনি 1.2 ফ্ল্যাশ সাধারণত উপলব্ধ, যা Google জোর দেয় মানে এটি পরীক্ষামূলক পূর্বরূপের পরিবর্তে উৎপাদন প্রয়োজনের জন্য প্রস্তুত। ডেভেলপাররা জেমিনি API এবং Google ক্লাউডের মাধ্যমে এটি অ্যাক্সেস করতে পারে, যখন ব্যবসায়িক ব্যবহারকারীরা বিপণন, প্রশিক্ষণ এবং যোগাযোগের কর্মপ্রবাহের জন্য ভিডিও সামগ্রী তৈরি করতে ব্যবসার জন্য Google Vids এবং Gemini-এর মধ্যে এটি ব্যবহার করতে পারেন।

যে বন্টন গুরুত্বপূর্ণ. Google Vids-এর মতো ওয়ার্কস্পেস-সংলগ্ন সরঞ্জামগুলিতে মডেলটি সরাসরি এম্বেড করা Google-কে এন্টারপ্রাইজ গ্রাহকদের জন্য একটি চ্যানেল দেয় যে বিশুদ্ধ-প্লে ভিডিও জেনারেশন স্টার্টআপগুলিকে একবারে একটি চুক্তির জন্য লড়াই করতে হয়।

ওমনি লাইনের দ্রুত ক্যাডেন্স

জেমিনি ওমনি 1.2 ফ্ল্যাশ আগস্টের শেষের দিকে গুগল জেমিনি ওমনি 1.1 ফ্ল্যাশ চালু করার প্রায় দশ সপ্তাহ পরে এবং মে মাসে আসল জেমিনি ওমনি আত্মপ্রকাশের প্রায় সাড়ে পাঁচ মাস পরে আসে। মোটামুটি ত্রৈমাসিক আপডেটের অবিচলিত ক্যাডেন্স প্রতিফলন করে যে Google এখন কত দ্রুত তার সীমান্ত মডেল পরিবারগুলিকে পুনরাবৃত্তি করে, ফ্ল্যাশ ভেরিয়েন্টগুলি প্রতিটি প্রজন্মের দ্রুত, সাশ্রয়ী স্তর হিসাবে অবস্থান করে৷

রিলিজটি বিকাশকারী সম্প্রদায়ের কাছ থেকে অবিলম্বে মনোযোগ আকর্ষণ করেছে। শুক্রবার সকালে লঞ্চটি হ্যাকার নিউজের শীর্ষে রয়েছে, 170 টিরও বেশি পয়েন্ট এবং ঘন্টার মধ্যে 130টিরও বেশি মন্তব্য জমা করে, আলোচনার সাথে মূল্য নির্ধারণ, 15-সেকেন্ডের সীমা এবং মডেলটির সম্পাদনা কর্মপ্রবাহ বিকল্পগুলির সাথে কীভাবে তুলনা করে।

এআই ভিডিও মার্কেটের জন্য এর অর্থ কী

আপডেটটি এআই কোম্পানিগুলির জন্য একটি অশান্ত মুহূর্তে অবতরণ করে। এই সপ্তাহের স্টক মার্কেট সেলঅফ, এআই নগদীকরণের বিষয়ে বিনিয়োগকারীদের উদ্বেগের কারণে উদ্ভূত, প্রতিটি বড় ল্যাবকে চাপের মধ্যে রেখেছে যে সীমান্ত গবেষণা রাজস্বে অনুবাদ করে। সস্তা, দ্রুত ভিডিও জেনারেশন হল সেই প্রশ্নের সরাসরি উত্তর: কম দাম গ্রাহক বেসকে প্রসারিত করে এবং উৎপাদন-প্রস্তুত অবস্থা এন্টারপ্রাইজ বাজেটকে আমন্ত্রণ জানায় যা পরীক্ষা-পর্যায়ের সরঞ্জামগুলি কখনই দেখতে পায় না।

বিকাশকারীদের জন্য, ব্যবহারিক টেকঅওয়ে সোজা। যদি ভিডিও জেনারেশনের কাজের চাপ আগে ক্লিপ দৈর্ঘ্য, মূল্য, বা প্রতিটি পরিবর্তনের পরে আউটপুট পুনরুত্পাদনের ব্যথা দ্বারা সীমাবদ্ধ ছিল, জেমিনি ওমনি 1.2 ফ্ল্যাশ আজ সেই তিনটি ঘর্ষণ পয়েন্টের মধ্যে অন্তত দুটিকে সরিয়ে দেয়। প্রতিদ্বন্দ্বীরা মিলিত মূল্য হ্রাসের সাথে সাড়া দেয় কিনা — যেমনটি তারা পূর্ববর্তী জেমিনি ফ্ল্যাশ প্রকাশের পরে ছিল — আগামী সপ্তাহগুলিতে দেখার গল্পগুলির মধ্যে একটি হবে৷

সামঞ্জস্যের উন্নতিগুলি সেই দলগুলির কাছ থেকে বিশেষ মনোযোগের দাবি রাখে যারা আগের ভিডিও মডেলগুলি চেষ্টা করেছিল এবং চলে গিয়েছিল৷ Google-এর ঘোষণাটি বিশেষভাবে লক্ষ্য করে "পেশাদার প্রকল্প", ফ্রেম-টু-ফ্রেমের সমন্বয় স্বীকার করে — অক্ষর যা শট জুড়ে একই রকম দেখায়, আলো যা দৃশ্যের মাঝামাঝি স্থানান্তরিত হয় না — যা ডেমোকে বিতরণযোগ্য সামগ্রী থেকে আলাদা করে। কথোপকথনমূলক সম্পাদনার সাথে একত্রিত, ওয়ার্কফ্লো Google বর্ণনা করছে একটি স্লট মেশিনের মতো দেখায় যা ক্লিপগুলি পুনরুত্পাদন করে এবং আরও একটি পুনরাবৃত্তিমূলক ডিজাইন টুলের মতো।

গুগল বলেছে যে ডেভেলপাররা ব্যবসার জন্য Gemini API, Google Vids এবং Gemini জুড়ে অবিলম্বে নতুন ক্ষমতা ব্যবহার শুরু করতে পারে।

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →