Google oznámil všeobecnou dostupnost Gemini Omni 1.2 Flash, nejnovější verze svého multimodálního modelu generování videa. Podle oficiálního oznámení společnosti Google přináší aktualizace nativní vytváření 15sekundového videa, víceotáčkovou editaci konverzace a vylepšené dodržování referencí a zároveň snižuje ceny o 30 procent. Tento model se dnes zavádí přes rozhraní Gemini API, Google Cloud, Google Vids a Gemini pro firmy.
Anish Nangia, produktový manažer společnosti Google DeepMind, představil vydání v příspěvku na blogu nazvaném „Gemini Omni 1.2 Flash: Rychlý a cenově výhodný s delšími klipy“, čímž jej umístil jako možnost připravenou k produkci pro vývojáře a firmy, které generují videoobsah ve velkém. For more context on this story, see our ongoing more AI stories.
Co je nového v Gemini Omni 1.2 Flash
Funkce titulků je nativní podpora pro 15sekundové videoklipy, což je smysluplné rozšíření oproti předchozím verzím řady Omni. Google říká, že model také poskytuje silnější konzistenci mezi snímky, což je důležité pro profesionální projekty, kde kontinuita mezi snímky může způsobit nebo narušit konečný výstup.
Druhým hlavním doplňkem je víceotáčková editace konverzace. Namísto regenerace klipu od nuly, když je detail chybný, mohou nyní vývojáři a tvůrci videa vylepšit pomocí sekvence konverzačních pokynů. Google říká, že to umožňuje rychlejší úpravy, aniž byste museli začínat znovu, což by mělo snížit jak dobu iterace, tak náklady na tokeny pro týmy, které produkují video ve velkém.
Google také vylepšil to, co nazývá dodržování referencí – schopnost modelu držet se vizuálních referencí a pokynů, které uživatel poskytuje. V praxi to znamená, že postavy, styly a prvky scény vedené referenčním obrázkem nebo popisem by měly zůstat ve vygenerovaném klipu věrnější.
Cena klesne o 30 procent
Náklady byly jednou z hlavních překážek produkčního využití generování videa AI a Google na ni přímo útočí. Společnost snížila cenu Gemini Omni 1.2 Flash o 30 procent ve srovnání s předchozí verzí, čímž model zarámovala jako cenově výhodnou možnost pro produkci velkoobjemového videa.
Snížení cen přichází s tím, jak sílí konkurence v multimodální výrobě. OpenAI, Meta a vlna startupů, to vše se za poslední rok prosadilo do AI videa a vývojáři stále častěji volí modely založené na ceně za klip stejně jako na surové kvalitě. Rozhodnutí společnosti Google spárovat delší klipy s nižší cenou naznačuje, že chce, aby Gemini Omni byla výchozí volbou pro komerční zátěž spíše než jen experimenty.
Kde to mohou vývojáři použít
Gemini Omni 1.2 Flash je obecně k dispozici, což Google zdůrazňuje, že je připraveno pro potřeby výroby spíše než pro experimentální náhled. Vývojáři k němu mají přístup prostřednictvím rozhraní Gemini API a Google Cloud, zatímco firemní uživatelé jej mohou používat v rámci Google Vids a Gemini pro podnikání k vytváření videoobsahu pro marketingové, školicí a komunikační pracovní postupy.
Ta distribuce je důležitá. Vložením modelu přímo do nástrojů navazujících na Workspace, jako je Google Vids, získá Google kanál pro podnikové zákazníky, o které musí startupy s čistě přehráváním videa bojovat o jednu smlouvu po druhé.
Rychlá kadence Omni Line
Gemini Omni 1.2 Flash přichází zhruba deset týdnů poté, co Google koncem srpna představil Gemini Omni 1.1 Flash, a asi pět a půl měsíce poté, co v květnu debutoval původní Gemini Omni. Stálá kadence zhruba čtvrtletních aktualizací odráží, jak rychle Google nyní iteruje své rodiny hraničních modelů, přičemž varianty Flash jsou umístěny jako rychlá a cenově dostupná úroveň každé generace.
Vydání okamžitě přitáhlo pozornost vývojářské komunity. Uvedení na trh překonalo Hacker News v pátek ráno a během několika hodin nashromáždilo více než 170 bodů a více než 130 komentářů, přičemž diskuse se zaměřila na ceny, 15sekundový limit a na srovnání pracovního postupu úprav modelu s alternativami.
Co to znamená pro trh AI videa
Aktualizace přichází v turbulentní chvíli pro společnosti AI. Výprodej akciových trhů z tohoto týdne, vyvolaný částečně obavami investorů z monetizace AI, dostal každou velkou laboratoř pod tlak, aby ukázal, že hraniční výzkum se promítá do příjmů. Levnější a rychlejší generování videa je přímou odpovědí na tuto otázku: nižší ceny rozšiřují zákaznickou základnu a stav připravenosti k produkci zve k podnikovým rozpočtům, které nástroje ve fázi experimentu nikdy nevidí.
Pro vývojáře je to praktické. Pokud byla pracovní zátěž generování videa dříve omezena délkou klipu, cenou nebo bolestí při regeneraci výstupu po každé změně, Gemini Omni 1.2 Flash dnes odstraňuje alespoň dva z těchto tří třecích bodů. Zda soupeři zareagují odpovídajícím snížením cen – jako po předchozích vydáních Gemini Flash – bude jedním z příběhů, které budete v nadcházejících týdnech sledovat.
Vylepšení konzistence si zaslouží zvláštní pozornost od týmů, které vyzkoušely dřívější modely videí a odešly. Oznámení společnosti Google se konkrétně zaměřuje na „profesionální projekty“ a potvrzuje, že koherence mezi jednotlivými snímky – postavy, které vypadají na záběrech stejně, osvětlení, které se neposouvá uprostřed scény – je to, co odděluje demo od doručitelného obsahu. V kombinaci s editací konverzací vypadá pracovní postup, který Google popisuje, méně jako hrací automat, který regeneruje klipy, a spíše jako iterativní návrhářský nástroj.
Google říká, že vývojáři mohou začít používat nové funkce okamžitě v rozhraní Gemini API, Google Vids a Gemini pro podnikání.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
