Η Google ανακοίνωσε τη γενική διαθεσιμότητα του Gemini Omni 1.2 Flash, της νεότερης έκδοσης του μοντέλου παραγωγής πολυτροπικών βίντεο. Σύμφωνα με την επίσημη ανακοίνωση της Google, η ενημέρωση φέρνει εγγενή δημιουργία βίντεο 15 δευτερολέπτων, επεξεργασία συνομιλίας σε πολλές στροφές και βελτιωμένη τήρηση αναφοράς, ενώ μειώνει τις τιμές κατά 30%. Το μοντέλο κυκλοφορεί σήμερα στο Gemini API, στο Google Cloud, στο Google Vids και στο Gemini για επιχειρήσεις.
Ο Anish Nangia, Product Manager στο Google DeepMind, παρουσίασε την κυκλοφορία σε μια ανάρτηση ιστολογίου με τίτλο "Gemini Omni 1.2 Flash: Γρήγορο και οικονομικό με μεγαλύτερα κλιπ", τοποθετώντας το ως μια επιλογή έτοιμη για παραγωγή για προγραμματιστές και επιχειρήσεις που δημιουργούν περιεχόμενο βίντεο σε κλίμακα. For more context on this story, see our ongoing breaking AI news.
Τι νέο υπάρχει στο Gemini Omni 1.2 Flash
Η δυνατότητα επικεφαλίδας είναι η εγγενής υποστήριξη για βίντεο κλιπ 15 δευτερολέπτων, μια σημαντική επέκταση σε σχέση με προηγούμενες εκδόσεις της γραμμής Omni. Η Google λέει ότι το μοντέλο προσφέρει επίσης ισχυρότερη συνέπεια στα καρέ, κάτι που έχει σημασία για επαγγελματικά έργα όπου η συνέχεια μεταξύ των λήψεων μπορεί να κάνει ή να σπάσει το τελικό αποτέλεσμα.
Η δεύτερη σημαντική προσθήκη είναι η επεξεργασία συνομιλίας με πολλές στροφές. Αντί να αναπαράγουν ένα κλιπ από την αρχή όταν μια λεπτομέρεια είναι λάθος, οι προγραμματιστές και οι δημιουργοί μπορούν πλέον να βελτιώσουν τα βίντεο μέσω μιας σειράς οδηγιών συνομιλίας. Η Google λέει ότι αυτό επιτρέπει πιο γρήγορες προσαρμογές χωρίς να ξεκινά από την αρχή, κάτι που θα μειώσει τόσο τον χρόνο επανάληψης όσο και το κόστος συμβολαίων για τις ομάδες που παράγουν βίντεο σε όγκο.
Η Google έχει επίσης βελτιώσει αυτό που αποκαλεί τήρηση αναφοράς — την ικανότητα του μοντέλου να τηρεί τις οπτικές αναφορές και τις οδηγίες που παρέχει ένας χρήστης. Σε πρακτικούς όρους, αυτό σημαίνει ότι οι χαρακτήρες, τα στυλ και τα στοιχεία σκηνής που καθοδηγούνται από μια εικόνα αναφοράς ή περιγραφή θα πρέπει να παραμένουν πιο πιστά σε όλο το κλιπ που δημιουργείται.
Η τιμή μειώνεται κατά 30 τοις εκατό
Το κόστος ήταν ένα από τα κύρια εμπόδια στη χρήση παραγωγής βίντεο με τεχνητή νοημοσύνη και η Google το επιτίθεται άμεσα. Η εταιρεία μείωσε την τιμή του Gemini Omni 1.2 Flash κατά 30 τοις εκατό σε σύγκριση με την προηγούμενη έκδοση, πλαισιώνοντας το μοντέλο ως μια οικονομικά αποδοτική επιλογή για παραγωγή βίντεο μεγάλου όγκου.
Η μείωση της τιμής φτάνει καθώς εντείνεται ο ανταγωνισμός στην παραγωγή πολλαπλών μεταφορών. Το OpenAI, το Meta και ένα κύμα νεοφυών επιχειρήσεων ώθησαν όλα τα βίντεο με τεχνητή νοημοσύνη τον περασμένο χρόνο, και οι προγραμματιστές επιλέγουν όλο και περισσότερο μοντέλα με βάση το κόστος ανά κλιπ όσο και την ακατέργαστη ποιότητα. Η απόφαση της Google να συνδυάσει μεγαλύτερα κλιπ με χαμηλότερη τιμή υποδηλώνει ότι θέλει το Gemini Omni να είναι η προεπιλεγμένη επιλογή για εμπορικούς φόρτους εργασίας και όχι απλώς για πειράματα.
Πού μπορούν να το χρησιμοποιήσουν οι προγραμματιστές
Το Gemini Omni 1.2 Flash είναι γενικά διαθέσιμο, κάτι που η Google τονίζει ότι είναι έτοιμο για ανάγκες παραγωγής και όχι για πειραματική προεπισκόπηση. Οι προγραμματιστές μπορούν να έχουν πρόσβαση σε αυτό μέσω του Gemini API και του Google Cloud, ενώ οι επαγγελματίες χρήστες μπορούν να το χρησιμοποιήσουν στο Google Vids και στο Gemini για επιχειρήσεις για να παράγουν περιεχόμενο βίντεο για ροές εργασίας μάρκετινγκ, εκπαίδευσης και επικοινωνίας.
Αυτή η διανομή έχει σημασία. Η ενσωμάτωση του μοντέλου απευθείας σε εργαλεία που γειτνιάζουν με το Workspace, όπως το Google Vids, δίνει στην Google ένα κανάλι σε εταιρικούς πελάτες που οι νεοσύστατες εταιρείες παραγωγής βίντεο πρέπει να παλέψουν για ένα συμβόλαιο τη φορά.
Το Rapid Cadence της Omni Line
Το Gemini Omni 1.2 Flash έρχεται περίπου δέκα εβδομάδες αφότου η Google παρουσίασε το Gemini Omni 1.1 Flash στα τέλη Αυγούστου και περίπου πεντέμισι μήνες μετά την πρώτη εμφάνιση του αρχικού Gemini Omni τον Μάιο. Ο σταθερός ρυθμός των περίπου τριμηνιαίων ενημερώσεων αντικατοπτρίζει το πόσο γρήγορα η Google επαναλαμβάνει τώρα τις οικογένειες μοντέλων αιχμής, με τις παραλλαγές Flash να τοποθετούνται ως η γρήγορη, προσιτή βαθμίδα κάθε γενιάς.
Η έκδοση τράβηξε αμέσως την προσοχή της κοινότητας των προγραμματιστών. Η κυκλοφορία έφτασε στην κορυφή του Hacker News το πρωί της Παρασκευής, συγκεντρώνοντας περισσότερους από 170 βαθμούς και περισσότερα από 130 σχόλια μέσα σε λίγες ώρες, με τη συζήτηση να επικεντρώνεται στην τιμολόγηση, το όριο των 15 δευτερολέπτων και τον τρόπο σύγκρισης της ροής εργασιών επεξεργασίας του μοντέλου με εναλλακτικές.
Τι σημαίνει για την αγορά βίντεο AI
Η ενημέρωση προσγειώνεται σε μια ταραχώδη στιγμή για τις εταιρείες τεχνητής νοημοσύνης. Το selloff αυτής της εβδομάδας στο χρηματιστήριο, που προκλήθηκε εν μέρει από τις ανησυχίες των επενδυτών σχετικά με τη δημιουργία εσόδων από τεχνητή νοημοσύνη, έχει ασκήσει πίεση σε κάθε μεγάλο εργαστήριο για να δείξει ότι η έρευνα αιχμής μεταφράζεται σε έσοδα. Η φθηνότερη, ταχύτερη δημιουργία βίντεο είναι μια άμεση απάντηση σε αυτό το ερώτημα: οι χαμηλότερες τιμές διευρύνουν τη βάση πελατών και η κατάσταση ετοιμότητας παραγωγής προσκαλεί τους προϋπολογισμούς της επιχείρησης που δεν βλέπουν ποτέ τα εργαλεία σταδίου πειράματος.
Για τους προγραμματιστές, το πρακτικό πακέτο είναι απλό. Αν προηγουμένως ο φόρτος εργασίας δημιουργίας βίντεο περιοριζόταν από το μήκος του κλιπ, την τιμή ή τον πόνο της αναγέννησης της παραγωγής μετά από κάθε αλλαγή, το Gemini Omni 1.2 Flash αφαιρεί τουλάχιστον δύο από αυτά τα τρία σημεία τριβής σήμερα. Το αν οι ανταγωνιστές θα ανταποκριθούν με αντίστοιχες μειώσεις τιμών — όπως έκαναν μετά τις προηγούμενες εκδόσεις του Gemini Flash — θα είναι μια από τις ιστορίες που θα παρακολουθήσετε τις επόμενες εβδομάδες.
Οι βελτιώσεις συνέπειας αξίζουν ιδιαίτερης προσοχής από τις ομάδες που δοκίμασαν παλαιότερα μοντέλα βίντεο και αποχώρησαν. Η ανακοίνωση της Google στοχεύει συγκεκριμένα «επαγγελματικά έργα», αναγνωρίζοντας ότι η συνοχή καρέ σε καρέ — χαρακτήρες που φαίνονται ίδιοι στις λήψεις, φωτισμός που δεν αλλάζει στη μέση της σκηνής — είναι αυτό που διαχωρίζει μια επίδειξη από το παραδοτέο περιεχόμενο. Σε συνδυασμό με την επεξεργασία συνομιλίας, η ροή εργασίας που περιγράφει η Google μοιάζει λιγότερο με κουλοχέρη που αναπαράγει κλιπ και περισσότερο σαν επαναληπτικό εργαλείο σχεδίασης.
Η Google λέει ότι οι προγραμματιστές μπορούν να αρχίσουν να χρησιμοποιούν τις νέες δυνατότητες αμέσως στο Gemini API, στο Google Vids και στο Gemini για επιχειρήσεις.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
