Google a anunțat disponibilitatea generală a Gemini Omni 1.2 Flash, cea mai nouă versiune a modelului său de generare video multimodală. Potrivit anunțului oficial al Google, actualizarea aduce crearea nativă de videoclipuri de 15 secunde, editarea conversațională în mai multe rânduri și o aderență îmbunătățită a referințelor, reducând în același timp prețurile cu 30%. Modelul este lansat astăzi în API-ul Gemini, Google Cloud, Google Vids și Gemini pentru afaceri.

Anish Nangia, Product Manager la Google DeepMind, a prezentat lansarea într-o postare de blog intitulată „Gemini Omni 1.2 Flash: rapid și rentabil cu clipuri mai lungi”, poziționând-o ca o opțiune pregătită pentru producție pentru dezvoltatori și companii care generează conținut video la scară. For more context on this story, see our ongoing AI trends.

Ce este nou în Gemini Omni 1.2 Flash

Capacitatea de titlu este suportul nativ pentru clipuri video de 15 secunde, o extensie semnificativă față de versiunile anterioare ale liniei Omni. Google spune că modelul oferă, de asemenea, o consistență mai puternică între cadre, ceea ce contează pentru proiectele profesionale în care continuitatea dintre fotografii poate face sau distruge rezultatul final.

A doua completare majoră este editarea conversațională în mai multe rânduri. În loc să regenereze un clip de la zero atunci când un detaliu este greșit, dezvoltatorii și creatorii pot acum rafina videoclipurile printr-o secvență de instrucțiuni conversaționale. Google spune că acest lucru permite ajustări mai rapide fără a începe de la capăt, ceea ce ar trebui să reducă atât timpul de iterație, cât și costurile cu simboluri pentru echipele care produc videoclipuri în volum.

Google a îmbunătățit, de asemenea, ceea ce numește aderarea la referințe - capacitatea modelului de a respecta referințele vizuale și instrucțiunile oferite de un utilizator. În termeni practici, asta înseamnă că personajele, stilurile și elementele scenei ghidate de o imagine de referință sau descriere ar trebui să rămână mai fidele în clipul generat.

Prețul scade cu 30 la sută

Costul a fost unul dintre principalele obstacole în calea utilizării în producție a generării video AI, iar Google îl atacă direct. Compania a redus prețul Gemini Omni 1.2 Flash cu 30 la sută față de versiunea anterioară, încadrând modelul ca o opțiune rentabilă pentru producția video de mare volum.

Scăderea prețurilor vine pe măsură ce concurența în generarea multimodală se intensifică. OpenAI, Meta și un val de startup-uri au introdus toate videoclipurile AI în ultimul an, iar dezvoltatorii aleg din ce în ce mai mult modele pe baza costului pe clip, la fel de mult ca și a calității brute. Decizia Google de a asocia clipuri mai lungi cu prețuri mai mici sugerează că dorește ca Gemini Omni să fie alegerea implicită pentru sarcinile comerciale, mai degrabă decât doar experimente.

Unde îl pot folosi dezvoltatorii

Gemini Omni 1.2 Flash este disponibil în general, ceea ce Google subliniază că înseamnă că este pregătit pentru nevoile de producție, mai degrabă decât pentru previzualizarea experimentală. Dezvoltatorii îl pot accesa prin API-ul Gemini și Google Cloud, în timp ce utilizatorii de afaceri îl pot folosi în Google Vids și Gemini for business pentru a produce conținut video pentru fluxuri de lucru de marketing, instruire și comunicare.

Distribuția asta contează. Încorporarea modelului direct în instrumente adiacente Workspace, cum ar fi Google Vids, oferă Google un canal pentru clienții întreprinderii pe care startup-urile de generare video pur-play trebuie să lupte pentru un contract la un moment dat.

Cadența rapidă a liniei Omni

Gemini Omni 1.2 Flash vine la aproximativ zece săptămâni după ce Google a introdus Gemini Omni 1.1 Flash la sfârșitul lunii august și la aproximativ cinci luni și jumătate după ce Gemini Omni a debutat în mai. Cadența constantă a actualizărilor aproximativ trimestriale reflectă cât de repede Google își repetă acum familiile de modele de frontieră, cu variantele Flash poziționate ca nivelul rapid și accesibil al fiecărei generații.

Lansarea a atras imediat atenția comunității de dezvoltatori. Lansarea a fost pe primul loc în Hacker News vineri dimineață, acumulând peste 170 de puncte și peste 130 de comentarii în câteva ore, cu discuții concentrate pe prețuri, limita de 15 secunde și modul în care fluxul de lucru de editare al modelului se compară cu alternativele.

Ce înseamnă pentru piața video AI

Actualizarea aterizează într-un moment turbulent pentru companiile AI. Vânzarea bursieră de săptămâna aceasta, declanșată parțial de preocupările investitorilor cu privire la monetizarea AI, a pus sub presiune fiecare laborator important pentru a demonstra că cercetarea de frontieră se traduce în venituri. Generarea mai ieftină și mai rapidă de videoclipuri este un răspuns direct la această întrebare: prețurile mai mici extind baza de clienți, iar starea de pregătire pentru producție invită bugetele întreprinderii pe care instrumentele din stadiul de experiment nu le văd niciodată.

Pentru dezvoltatori, concluzia practică este simplă. Dacă încărcăturile de lucru pentru generarea video au fost constrânse anterior de lungimea clipului, prețul sau durerea regenerării producției după fiecare modificare, Gemini Omni 1.2 Flash elimină cel puțin două dintre aceste trei puncte de frecare astăzi. Dacă rivalii răspund cu reduceri egale de preț – așa cum au făcut-o după lansările anterioare Gemini Flash – va fi una dintre poveștile de urmărit în săptămânile următoare.

Îmbunătățirile de consistență merită o atenție deosebită din partea echipelor care au încercat modele video anterioare și au plecat. Anunțul Google vizează în mod special „proiectele profesionale”, recunoscând că coerența cadru-la-cadru – personaje care arată la fel în toate fotografiile, iluminarea care nu se schimbă la mijlocul scenei – este ceea ce separă un demo de conținutul livrabil. Combinat cu editarea conversațională, fluxul de lucru pe care îl descrie Google arată mai puțin ca o mașină de slot care regenerează clipuri și mai mult ca un instrument de design iterativ.

Google spune că dezvoltatorii pot începe să folosească noile capabilități imediat prin API-ul Gemini, Google Vids și Gemini pentru afaceri.

---

Stay Ahead of AI

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

Read more AI news →