Google ha annunciato la disponibilità generale di Gemini Omni 1.2 Flash, la versione più recente del suo modello di generazione video multimodale. Secondo l'annuncio ufficiale di Google, l'aggiornamento offre la creazione di video nativi di 15 secondi, l'editing conversazionale a più turni e una migliore aderenza ai riferimenti, riducendo i prezzi del 30%. Il modello è in fase di implementazione oggi nell'API Gemini, Google Cloud, Google Vids e Gemini for business.
Anish Nangia, Product Manager di Google DeepMind, ha introdotto la versione in un post sul blog intitolato "Gemini Omni 1.2 Flash: veloce ed economico con clip più lunghe", posizionandola come un'opzione pronta per la produzione per sviluppatori e aziende che generano contenuti video su larga scala. Per maggiori informazioni su questa storia, consulta la nostra copertura dell'industria IA.
Novità di Gemini Omni 1.2 Flash
La funzionalità principale è il supporto nativo per video clip di 15 secondi, un'estensione significativa rispetto alle versioni precedenti della linea Omni. Google afferma che il modello offre anche una maggiore coerenza tra i fotogrammi, il che è importante per i progetti professionali in cui la continuità tra gli scatti può creare o distruggere l'output finale.
La seconda importante aggiunta è l'editing conversazionale multi-turno. Invece di rigenerare una clip da zero quando un dettaglio è sbagliato, gli sviluppatori e i creatori possono ora perfezionare i video attraverso una sequenza di istruzioni conversazionali. Google afferma che ciò consente aggiustamenti più rapidi senza ricominciare da capo, il che dovrebbe ridurre sia i tempi di iterazione che i costi simbolici per i team che producono video in grandi quantità.
Google ha anche migliorato quella che chiama aderenza ai riferimenti: la capacità del modello di attenersi ai riferimenti visivi e alle istruzioni fornite dall'utente. In termini pratici, ciò significa che i personaggi, gli stili e gli elementi della scena guidati da un'immagine o da una descrizione di riferimento dovrebbero rimanere più fedeli nella clip generata.
Il prezzo scende del 30%.
Il costo è stato uno dei principali ostacoli all’utilizzo in produzione della generazione di video AI e Google lo sta attaccando direttamente. L'azienda ha ridotto il prezzo di Gemini Omni 1.2 Flash del 30% rispetto alla versione precedente, definendo il modello un'opzione conveniente per la produzione video ad alto volume.
Il taglio dei prezzi arriva mentre la concorrenza nella generazione multimodale si intensifica. OpenAI, Meta e un'ondata di startup si sono spinte verso i video AI nell'ultimo anno e gli sviluppatori scelgono sempre più modelli basati sul costo per clip tanto quanto sulla qualità grezza. La decisione di Google di abbinare clip più lunghe a prezzi più bassi suggerisce che vuole che Gemini Omni sia la scelta predefinita per i carichi di lavoro commerciali piuttosto che solo per gli esperimenti.
Dove possono usarlo gli sviluppatori
Gemini Omni 1.2 Flash è generalmente disponibile, cosa che Google sottolinea significa che è pronto per le esigenze di produzione piuttosto che per l'anteprima sperimentale. Gli sviluppatori possono accedervi tramite l'API Gemini e Google Cloud, mentre gli utenti aziendali possono utilizzarlo all'interno di Google Vids e Gemini for business per produrre contenuti video per flussi di lavoro di marketing, formazione e comunicazione.
Questa distribuzione è importante. Incorporare il modello direttamente negli strumenti adiacenti a Workspace come Google Vids offre a Google un canale per i clienti aziendali con cui le startup di generazione di video pure-play devono lottare per un contratto alla volta.
La cadenza rapida dell'Omni Line
Gemini Omni 1.2 Flash arriva circa dieci settimane dopo che Google ha introdotto Gemini Omni 1.1 Flash a fine agosto e circa cinque mesi e mezzo dopo il debutto dell'originale Gemini Omni a maggio. La cadenza costante degli aggiornamenti più o meno trimestrali rispecchia la rapidità con cui Google ora ripete le sue famiglie di modelli di frontiera, con le varianti Flash posizionate come il livello veloce e conveniente di ogni generazione.
Il rilascio ha attirato immediatamente l'attenzione della comunità degli sviluppatori. Il lancio ha primeggiato su Hacker News venerdì mattina, accumulando più di 170 punti e oltre 130 commenti in poche ore, con discussioni incentrate sui prezzi, sul limite di 15 secondi e su come il flusso di lavoro di modifica del modello si confronta con le alternative.
Cosa significa per il mercato dei video AI
L’aggiornamento arriva in un momento turbolento per le aziende di intelligenza artificiale. La svendita del mercato azionario di questa settimana, innescata in parte dalle preoccupazioni degli investitori sulla monetizzazione dell’intelligenza artificiale, ha messo sotto pressione tutti i principali laboratori per dimostrare che la ricerca di frontiera si traduce in entrate. La generazione di video più economica e veloce è una risposta diretta a questa domanda: i prezzi più bassi espandono la base di clienti e lo stato di produzione pronta richiede budget aziendali che gli strumenti in fase di sperimentazione non riescono mai a vedere.
Per gli sviluppatori, la conclusione pratica è semplice. Se in precedenza i carichi di lavoro di generazione video erano vincolati dalla lunghezza dei clip, dal prezzo o dalla difficoltà di rigenerare l'output dopo ogni modifica, oggi Gemini Omni 1.2 Flash rimuove almeno due di questi tre punti di attrito. Se i rivali risponderanno con tagli di prezzo adeguati, come hanno fatto dopo le precedenti versioni di Gemini Flash, sarà una delle storie da guardare nelle prossime settimane.
I miglioramenti alla coerenza meritano un'attenzione particolare da parte dei team che hanno provato i modelli video precedenti e se ne sono andati. L'annuncio di Google si rivolge specificamente ai "progetti professionali", riconoscendo che la coerenza fotogramma per fotogramma - personaggi che appaiono uguali in tutte le inquadrature, illuminazione che non cambia nel mezzo della scena - è ciò che separa una demo dal contenuto consegnabile. Combinato con l’editing conversazionale, il flusso di lavoro descritto da Google assomiglia meno a una slot machine che rigenera clip e più a uno strumento di progettazione iterativo.
Google afferma che gli sviluppatori possono iniziare a utilizzare immediatamente le nuove funzionalità nell'API Gemini, Google Vids e Gemini for business.
---
Rimani Aggiornato sull'IALe ultime notizie, analisi e scoperte sull'intelligenza artificiale — tutto in un posto.
Leggi altre notizie sull'IA →
