Google wis ngumumake kasedhiyan umum Gemini Omni 1.2 Flash, versi paling anyar saka model generasi video multimodal. Miturut woro-woro resmi Google, nganyari kasebut ndadekake nggawe video asli 15 detik, panyuntingan obrolan multi-turn, lan ketaatan referensi sing luwih apik, nalika nyuda rega 30 persen. Model kasebut diluncurake dina iki ing API Gemini, Google Cloud, Google Vids, lan Gemini kanggo bisnis.

Anish Nangia, Manajer Produk ing Google DeepMind, ngenalake rilis kasebut ing postingan blog kanthi judhul "Gemini Omni 1.2 Flash: Cepet lan biaya-efektif kanthi klip sing luwih dawa," posisi minangka pilihan siap produksi kanggo pangembang lan bisnis sing ngasilake konten video kanthi skala. For more context on this story, see our ongoing AI industry coverage.

Apa Anyar ing Gemini Omni 1.2 Flash

Kapabilitas judhul minangka dhukungan asli kanggo klip video 15 detik, ekstensi sing migunani ing versi sadurunge baris Omni. Google ujar manawa model kasebut uga menehi konsistensi sing luwih kuat ing antarane pigura, sing penting kanggo proyek profesional ing ngendi kontinuitas ing antarane gambar bisa nggawe utawa ngilangi output pungkasan.

Tambahan utama kapindho yaiku editing conversational multi-turn. Tinimbang regenerasi klip saka ngeruk nalika rincian salah, pangembang lan kreator saiki bisa nyaring video liwat urutan pandhuan obrolan. Google ujar manawa iki ngidini pangaturan sing luwih cepet tanpa miwiti maneh, sing kudu nyuda wektu pengulangan lan biaya token kanggo tim sing ngasilake video kanthi volume.

Google uga wis nambah apa sing diarani ketaatan referensi - kemampuan model kanggo tetep ing referensi visual lan instruksi sing diwenehake pangguna. Ing istilah praktis, tegese karakter, gaya, lan unsur adegan sing dipandu dening gambar referensi utawa deskripsi kudu tetep luwih setya ing klip sing digawe.

Rega Mudhun 30 Persen

Biaya wis dadi salah sawijining kendala utama kanggo nggunakake produksi video AI, lan Google nyerang langsung. Perusahaan nyuda rega Gemini Omni 1.2 Flash kanthi 30 persen dibandhingake karo versi sadurunge, nggawe model kasebut minangka pilihan sing efektif kanggo produksi video kanthi volume dhuwur.

Pemotongan rega teka amarga kompetisi ing generasi multimodal saya intensif. OpenAI, Meta, lan gelombang startup kabeh wis nyurung video AI ing taun kepungkur, lan pangembang tambah akeh milih model adhedhasar biaya saben klip kaya kualitas mentah. Keputusan Google kanggo masangake klip sing luwih dawa kanthi rega sing luwih murah nuduhake yen Gemini Omni dadi pilihan standar kanggo beban kerja komersial tinimbang mung eksperimen.

Ing ngendi Pangembang Bisa Gunakake

Gemini Omni 1.2 Flash umume kasedhiya, sing Google nandheske tegese siap kanggo kabutuhan produksi tinimbang pratinjau eksperimen. Pangembang bisa ngakses liwat API Gemini lan Google Cloud, nalika pangguna bisnis bisa nggunakake ing Google Vids lan Gemini kanggo bisnis kanggo ngasilake konten video kanggo marketing, pelatihan, lan alur kerja komunikasi.

Sing penting distribusi. Nampilake model kasebut langsung menyang alat sing cedhak karo Workspace kaya Google Vids menehi Google saluran kanggo pelanggan perusahaan sing wiwitan generasi video murni-muter kudu perang kanggo siji kontrak ing wektu.

Irama Rapid Garis Omni

Gemini Omni 1.2 Flash teka kira-kira sepuluh minggu sawise Google ngenalake Gemini Omni 1.1 Flash ing pungkasan Agustus, lan udakara limang setengah wulan sawise Gemini Omni asli debut ing Mei. Irama stabil saka nganyari kira-kira seprapat nggambarake sepira cepet Google saiki ngowahi kulawarga model perbatasan, kanthi varian Flash dipanggonke minangka tingkat sing cepet lan terjangkau kanggo saben generasi.

Rilis kasebut langsung narik kawigaten saka komunitas pangembang. Peluncuran kasebut paling dhuwur ing Hacker News ing dina Jumuah esuk, nglumpukake luwih saka 170 poin lan luwih saka 130 komentar sajrone sawetara jam, kanthi diskusi fokus ing rega, watesan 15 detik, lan kepiye alur kerja panyuntingan model dibandhingake karo alternatif.

Apa Tegese kanggo Pasar Video AI

Nganyari ndharat ing wayahe kerusuhan kanggo perusahaan AI. Selloff pasar saham minggu iki, sing dipicu sebagian dening keprihatinan investor babagan monetisasi AI, wis nggawe kabeh lab utama ing tekanan kanggo nuduhake yen riset perbatasan nerjemahake dadi revenue. Generasi video sing luwih murah lan luwih cepet minangka jawaban langsung kanggo pitakonan kasebut: rega sing luwih murah nggedhekake basis pelanggan, lan status siap produksi ngundang anggaran perusahaan sing ora nate dideleng alat tahap eksperimen.

Kanggo pangembang, cara praktis langsung. Yen beban kerja generasi video sadurunge diwatesi dening dawa klip, rega, utawa rasa lara saka regenerasi output sawise saben owah-owahan, Gemini Omni 1.2 Flash mbusak paling ora loro saka telung titik gesekan saiki. Apa saingan nanggapi kanthi potongan rega sing cocog - kaya sing wis diluncurake sadurunge Gemini Flash - bakal dadi salah sawijining crita sing bakal ditonton ing minggu-minggu sing bakal teka.

Peningkatan konsistensi kudu diwenehi perhatian khusus saka tim sing nyoba model video sadurunge lan lunga. Pengumuman Google khusus nargetake "proyek profesional," ngakoni yen koherensi frame-to-frame - karakter sing katon padha ing nembak, cahya sing ora ngowahi mid-scene - yaiku sing misahake demo saka konten sing bisa dikirim. Digabungake karo panyuntingan obrolan, alur kerja sing digambarake Google katon kurang kaya mesin slot sing ngasilake klip lan luwih kaya alat desain iteratif.

Google ujar manawa pangembang bisa langsung nggunakake kemampuan anyar ing API Gemini, Google Vids, lan Gemini kanggo bisnis.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →