डीपमाइंड उत्पाद प्रबंधकों अनीश नांगिया और अलीसा फोर्टिन के आधिकारिक Google ब्लॉग पर एक पोस्ट के अनुसार, Google ने गुरुवार को जेमिनी ओमनी 1.1 फ्लैश की घोषणा की, जो उसके जेनरेटिव वीडियो मॉडल के लिए एक उत्पादन-तैयार अपडेट है जो दृश्य विस्तार, सिनेमाई कैमरा नियंत्रण और 4K आउटपुट जोड़ता है।

यह अपडेट ओमनी को प्रायोगिक मॉडल से Google AI स्टूडियो में जेमिनी एपीआई के माध्यम से व्यावसायिक उपयोग के लिए उत्पादन तत्परता में ले जाता है, जिसकी उपलब्धता जेमिनी एंटरप्राइज एजेंट प्लेटफॉर्म के माध्यम से भी सूचीबद्ध है। Google जेमिनी ओम्नी को वास्तविक दुनिया के तर्क को जेनरेटिव निर्माण में लाने के रूप में वर्णित करता है, और 1.1 रिलीज को उस बिंदु के रूप में रखता है जहां मॉडल वीडियो वर्कफ़्लो, रचनात्मक टूल और मीडिया संपादन सॉफ़्टवेयर बनाने वाले डेवलपर्स के लिए पर्याप्त भरोसेमंद बन जाता है।

दृश्य विस्तार के माध्यम से लंबी कहानियाँ

हेडलाइन क्षमता दृश्य विस्तार है, जो डेवलपर्स को मौजूदा जेनरेटेड वीडियो लेने और जहां से छोड़ा था, वहां से फुटेज बनाना जारी रखने की सुविधा देता है। ओमनी 1.1 के साथ, Google का कहना है कि मॉडल 10 सेकंड पूर्व संदर्भ का विश्लेषण कर सकता है - पिछले मॉडल से एक छलांग जो केवल अंतिम सेकंड को संदर्भित करता था। कंपनी के अनुसार, लंबी कहानियों का निर्माण करते समय या नई रचनात्मक दिशाओं में शाखा लगाते समय दृश्य स्थिरता और कथा पालन में सुधार होता है।

वीडियो को 10-सेकंड की वृद्धि में 40 सेकंड की कुल संचयी लंबाई तक बढ़ाया जा सकता है। यह पारंपरिक वीडियो की लंबाई से कम है, लेकिन संक्षिप्त रूप वाली सामग्री, विज्ञापन रचनात्मक और पूर्व-विज़ुअलाइज़ेशन कार्य के लिए, Google शर्त लगा रहा है कि नियंत्रण और स्थिरता अवधि से अधिक मायने रखती है।

घोषणा के साथ प्रकाशित प्रदर्शन सामग्री से पता चलता है कि वर्कफ़्लो को व्यवहार में कैसे कार्य करना है: प्रत्येक नया प्रॉम्प्ट पिछले दृश्य को जारी रखता है, जिसमें मॉडल दृश्य संदर्भ को आगे ले जाता है जबकि प्रॉम्प्ट कैमरा मूवमेंट, सेटिंग और यहां तक ​​​​कि मूड में बदलाव को निर्देशित करता है - एक क्रम करीबी बातचीत से लेकर धूल भरे कैटाकॉम्ब के माध्यम से धीमी गति से बाहर निकलने और फिर एक विशाल फ्लोटिंग लाइब्रेरी में चला जाता है। किसी दृश्य को एक बार में तैयार करने के बजाय परतों में बनाना, एक संपादक द्वारा फ़ुटेज को इकट्ठा करने के तरीके के अधिक करीब है बजाय इसके कि शुरुआती टेक्स्ट-टू-वीडियो टूल कैसे काम करते थे।

कैमरा नियंत्रण और फ़्रेम इंटरपोलेशन

रिलीज़ में वह भी जोड़ा गया है जिसे Google स्टूडियो-गुणवत्ता वाले वीडियो उत्पादन उपकरण के रूप में वर्णित करता है। घोषणा पोस्ट पर दिखाए गए उदाहरणों में से: एक सिनेमाई डॉली-ज़ूम जो ज़ूम आउट करते समय कैमरे को आगे बढ़ाता है, एक चरित्र की आंखों में एक यांत्रिक स्नैप-ज़ूम, और 3 डी गहराई और लंबन दिखाने के लिए जमे हुए चरित्र के चारों ओर 360-डिग्री कक्षीय घुमाव।

डेवलपर्स एक शॉट के लिए पहले और आखिरी फ्रेम को भी निर्दिष्ट कर सकते हैं, मॉडल उनके बीच सहज बदलावों को प्रक्षेपित करता है - पेशेवर एनिमेटरों से परिचित एक तकनीक जो एक शॉट शुरू होने और समाप्त होने पर बारीक नियंत्रण देती है। नवीनतम एआई विकास का अनुसरण करें क्योंकि Google अपनी तीव्र रिलीज़ गति जारी रखता है।

360p में पुनरावृति, 4K में वितरित करें

ओमनी 1.1 फ्लैश लागत नियंत्रण के उद्देश्य से दो स्तरीय गुणवत्ता वर्कफ़्लो पेश करता है। रचनात्मक प्रक्रिया के दौरान विचारों को तेजी से और अधिक सस्ते में दोहराने के लिए डेवलपर्स त्वरित 360p पूर्वावलोकन उत्पन्न कर सकते हैं, फिर बेहतर परिणाम के लिए अंतिम प्रोजेक्ट को 4K रिज़ॉल्यूशन तक बढ़ा सकते हैं। Google का कहना है कि अपस्केलिंग व्यावसायिक उपयोग के लिए उपयुक्त कुरकुरा, उच्च-रिज़ॉल्यूशन आउटपुट उत्पन्न करता है।

प्रीव्यू-टू-4K पाइपलाइन जेनरेटिव वीडियो की लगातार आर्थिक समस्याओं में से एक को संबोधित करती है: हर बार शीघ्र परिवर्तन होने पर पूर्ण-रिज़ॉल्यूशन आउटपुट को पुन: उत्पन्न करने की लागत। डिलीवरी से अन्वेषण को अलग करके, Google वाणिज्यिक पाइपलाइनों के लिए मॉडल को और अधिक व्यावहारिक बना रहा है जहां दर्जनों पुनरावृत्तियां अंतिम रेंडर से पहले होती हैं।

यह क्यों मायने रखता है

अद्यतन कच्ची पीढ़ी की गुणवत्ता से नियंत्रणीयता की ओर उद्योग के बदलाव को दर्शाता है - कैमरा आंदोलन को निर्देशित करने, चरित्र स्थिरता बनाए रखने और सटीक फ्रेम हिट करने की क्षमता, जिस तरह से एक निर्देशक या संपादक करेंगे। रचनात्मक सॉफ़्टवेयर बनाने वाले डेवलपर्स के लिए, डेमो और तैनाती योग्य उत्पाद के बीच का अंतर अक्सर कच्ची निष्ठा के बजाय इन नियंत्रणों तक आ जाता है।

Google की रिलीज़ की रूपरेखा इच्छित दर्शकों को स्पष्ट बनाती है। कंपनी तीन लक्ष्य श्रेणियों का नाम देती है - जेनरेटिव वीडियो वर्कफ़्लोज़, क्रिएटिव टूल और मीडिया एडिटिंग सॉफ़्टवेयर - और अपडेट का वर्णन जेनरेटिव वीडियो को अधिक नियंत्रणीय, पुनरावृत्त करने में तेज़ और वास्तविक दुनिया की तैनाती के लिए पॉलिश करने के रूप में करती है। रिलीज़ सारांश में 4K अपस्केलिंग के साथ तेज़ प्रोटोटाइप दिखाई देता है, जो इस बात पर ज़ोर देता है कि पुनरावृत्ति गति को अपने आप में एक सुविधा के रूप में बेचा जा रहा है।

एआई स्टूडियो और जेमिनी एपीआई के माध्यम से उपलब्ध ओमनी 1.1 फ्लैश के साथ, Google जेमिनी एंटरप्राइज एजेंट प्लेटफॉर्म के माध्यम से एंटरप्राइज़ उपयोगकर्ताओं की ओर मॉडल को आगे बढ़ा रहा है, यह संकेत देता है कि जेनरेटिव वीडियो को उपभोक्ता नवीनता के बजाय व्यावसायिक बुनियादी ढांचे के रूप में तैनात किया जा रहा है।

क्या देखना है

घोषणा में 4K आउटपुट के लिए मूल्य निर्धारण विवरण पर प्रकाश नहीं डाला गया था, और डेवलपर्स यह देख रहे होंगे कि 40-सेकंड की संचयी सीमा वास्तविक दुनिया की उत्पादन योजनाओं को कैसे प्रभावित करती है। एआई वीडियो में प्रतिस्पर्धा तीव्र बनी हुई है, प्रतिद्वंद्वी अपनी स्वयं की नियंत्रणीयता सुविधाओं को तीव्र गति से भेज रहे हैं - एक ऐसी गतिशीलता जिसने इस वर्ष अत्याधुनिक दावों के शेल्फ जीवन को बार-बार छोटा कर दिया है।

अभी के लिए, डेवलपर्स के लिए Google का संदेश सीधा है: जेनरेटिव वीडियो जिसे एक बार त्वरित कीमिया और भाग्य की आवश्यकता होती है, उसे अब एक ही एपीआई के माध्यम से 4K में निर्देशित, विस्तारित और समाप्त किया जा सकता है।

---

एआई से आगे रहें

नवीनतम एआई समाचार, विश्लेषण और सफलताएँ प्राप्त करें - सभी एक ही स्थान पर।

अधिक AI समाचार पढ़ें →