Google ha annunciato giovedì Gemini Omni 1.1 Flash, un aggiornamento pronto per la produzione del suo modello video generativo che aggiunge estensione della scena, controlli della telecamera cinematografica e output 4K, secondo un post sul blog ufficiale di Google dei product manager di DeepMind Anish Nangia e Alisa Fortin.

L'aggiornamento sposta Omni da un modello sperimentale a ciò che Google chiama disponibilità di produzione per uso professionale tramite l'API Gemini in Google AI Studio, con disponibilità elencata anche tramite Gemini Enterprise Agent Platform. Google descrive Gemini Omni come colui che ha portato il ragionamento del mondo reale alla creazione generativa e posiziona la versione 1.1 come il punto in cui il modello diventa sufficientemente affidabile per gli sviluppatori che creano flussi di lavoro video, strumenti creativi e software di editing multimediale.

Storie più lunghe grazie all'estensione della scena

La funzionalità principale è l'estensione della scena, che consente agli sviluppatori di prendere un video generato esistente e continuare a generare il filmato senza soluzione di continuità da dove era stato interrotto. Con Omni 1.1, Google afferma che il modello può analizzare fino a 10 secondi del contesto precedente, un salto rispetto ai modelli precedenti che facevano riferimento solo all’ultimo secondo. Il risultato, secondo l’azienda, è una migliore coerenza visiva e aderenza narrativa quando si costruiscono storie più lunghe o si ramificano in nuove direzioni creative.

I video possono essere estesi con incrementi di 10 secondi fino a una durata cumulativa totale di 40 secondi. Si tratta di una durata inferiore a quella dei video tradizionali, ma per i contenuti in formato breve, la creatività pubblicitaria e il lavoro di pre-visualizzazione, Google scommette che il controllo e la coerenza contano più della durata.

Il materiale dimostrativo pubblicato insieme all'annuncio mostra come il flusso di lavoro dovrebbe funzionare nella pratica: ogni nuovo suggerimento continua la scena precedente, con il modello che porta avanti il ​​contesto visivo mentre il suggerimento dirige i cambiamenti nel movimento della telecamera, nell'ambientazione e persino nell'umore - una sequenza si sposta da una conversazione serrata a una lenta estrazione attraverso catacombe polverose e poi in una vasta biblioteca galleggiante. Costruire una scena a strati, piuttosto che generarla in una sola ripresa, è più vicino al modo in cui un montatore assembla il filmato piuttosto che al funzionamento dei primi strumenti di conversione testo in video.

Controllo della telecamera e interpolazione dei fotogrammi

La versione aggiunge anche quelli che Google descrive come strumenti di produzione video di qualità da studio. Tra gli esempi mostrati nel post dell'annuncio: un dolly-zoom cinematografico che sposta la telecamera in avanti mentre si rimpicciolisce, uno snap-zoom meccanico negli occhi di un personaggio e una rotazione orbitale di 360 gradi attorno a un personaggio congelato per mostrare profondità 3D e parallasse.

Gli sviluppatori possono anche specificare il primo e l'ultimo fotogramma di una ripresa, con il modello che interpola transizioni fluide tra di loro: una tecnica familiare agli animatori professionisti che offre un controllo capillare su dove inizia e finisce una ripresa. Segui gli ultimi sviluppi dell'intelligenza artificiale mentre Google continua la sua rapida cadenza di rilascio.

Itera in 360p, consegna in 4K

Omni 1.1 Flash introduce un flusso di lavoro di qualità a due livelli mirato al controllo dei costi. Gli sviluppatori possono generare rapide anteprime a 360p per elaborare le idee in modo più rapido ed economico durante il processo creativo, quindi eseguire l'upscaling del progetto finale alla risoluzione 4K per un risultato raffinato. Google afferma che l'upscaling produce output nitidi e ad alta risoluzione adatti all'uso professionale.

La pipeline dall'anteprima al 4K risolve uno dei problemi economici persistenti del video generativo: il costo di rigenerare l'output a piena risoluzione ogni volta che cambia un prompt. Disaccoppiando l'esplorazione dalla consegna, Google sta rendendo il modello più pratico per le pipeline commerciali dove dozzine di iterazioni precedono un rendering finale.

Perché è importante

L’aggiornamento riflette un passaggio del settore dalla qualità della generazione grezza alla controllabilità: la capacità di dirigere il movimento della telecamera, mantenere la coerenza del personaggio e colpire fotogrammi esatti, come farebbe un regista o un montatore. Per gli sviluppatori che creano software creativo, la differenza tra una demo e un prodotto distribuibile spesso si riduce a questi controlli piuttosto che alla pura fedeltà.

La struttura del comunicato da parte di Google rende esplicito il pubblico previsto. L'azienda nomina tre categorie di target: flussi di lavoro video generativi, strumenti creativi e software di editing multimediale - e descrive gli aggiornamenti come se rendessero il video generativo più controllabile, più veloce da iterare e ottimizzato per l'implementazione nel mondo reale. La prototipazione più veloce appare insieme all'upscaling 4K nel riepilogo della versione, sottolineando che la velocità di iterazione viene venduta come una funzionalità a sé stante.

Con Omni 1.1 Flash disponibile in AI Studio e tramite l'API Gemini, Google sta anche spingendo il modello verso gli utenti aziendali tramite Gemini Enterprise Agent Platform, segnalando che il video generativo viene posizionato come infrastruttura aziendale piuttosto che come novità per i consumatori.

Cosa guardare

I dettagli sui prezzi per l'output 4K non sono stati evidenziati nell'annuncio e gli sviluppatori osserveranno come il limite cumulativo di 40 secondi influisce sui piani di produzione del mondo reale. La concorrenza nei video basati sull'intelligenza artificiale rimane intensa, con i rivali che distribuiscono le proprie funzionalità di controllabilità a un ritmo rapido, una dinamica che quest'anno ha ripetutamente ridotto la durata di conservazione delle affermazioni all'avanguardia.

Per ora, il messaggio di Google agli sviluppatori è diretto: i video generativi che una volta richiedevano pronta alchimia e fortuna possono ora essere diretti, estesi e rifiniti in 4K attraverso un'unica API.

---

Stai al passo con l'intelligenza artificiale

Ricevi le ultime notizie, analisi e scoperte sull'intelligenza artificiale, tutto in un unico posto.

Leggi altre notizie sull'AI →