Компания Google объявила о выпуске Gemini Omni 1.2 Flash, новейшей версии своей модели мультимодальной генерации видео. Согласно официальному объявлению Google, обновление обеспечивает создание 15-секундных видео, многоэтапное диалоговое редактирование и улучшенное соблюдение рекомендаций, а также снижает цены на 30 процентов. Сегодня модель внедряется в Gemini API, Google Cloud, Google Vids и Gemini для бизнеса.

Аниш Нангиа, менеджер по продукту Google DeepMind, представил эту версию в сообщении в блоге под названием «Gemini Omni 1.2 Flash: быстро и экономично с более длинными клипами», позиционируя ее как готовый к производству вариант для разработчиков и предприятий, генерирующих видеоконтент в больших масштабах. Подробнее об этой истории — в нашем больше статей об ИИ.

Что нового в Gemini Omni 1.2 Flash

Функция заголовка — это встроенная поддержка 15-секундных видеоклипов, что является существенным расширением по сравнению с предыдущими версиями линейки Omni. Google утверждает, что эта модель также обеспечивает более высокую согласованность между кадрами, что важно для профессиональных проектов, где непрерывность между кадрами может повлиять на конечный результат или испортить его.

Второе важное дополнение — многоходовое диалоговое редактирование. Вместо того, чтобы восстанавливать клип с нуля, если какая-то деталь неверна, разработчики и создатели теперь могут улучшать видео с помощью последовательности разговорных инструкций. Google заявляет, что это позволяет быстрее вносить коррективы без необходимости начинать заново, что должно сократить как время итерации, так и затраты на токены для команд, производящих видео в больших объемах.

Google также улучшил то, что он называет приверженностью к ссылкам — способность модели придерживаться визуальных ссылок и инструкций, которые предоставляет пользователь. На практике это означает, что персонажи, стили и элементы сцены, управляемые эталонным изображением или описанием, должны оставаться более точными в сгенерированном клипе.

Цены упали на 30 процентов

Стоимость была одним из основных препятствий на пути использования технологии генерации видео с помощью искусственного интеллекта в производстве, и Google напрямую атакует ее. Компания снизила цену Gemini Omni 1.2 Flash на 30 процентов по сравнению с предыдущей версией, представив модель как экономичный вариант для производства видео больших объемов.

Снижение цен происходит по мере усиления конкуренции в сфере мультимодальной генерации. OpenAI, Meta и ряд стартапов за последний год продвинулись в сфере ИИ-видео, и разработчики все чаще выбирают модели, основанные не только на качестве, но и на цене за клип. Решение Google сочетать более длинные клипы с более низкой ценой предполагает, что компания хочет, чтобы Gemini Omni был выбором по умолчанию для коммерческих рабочих нагрузок, а не просто для экспериментов.

Где разработчики могут это использовать

Gemini Omni 1.2 Flash общедоступен, что, как подчеркивает Google, означает, что он готов для производственных нужд, а не для экспериментальной предварительной версии. Разработчики могут получить к нему доступ через Gemini API и Google Cloud, а бизнес-пользователи могут использовать его в Google Vids и Gemini для бизнеса для создания видеоконтента для рабочих процессов маркетинга, обучения и коммуникации.

Это распределение имеет значение. Встраивание модели непосредственно в инструменты, связанные с Workspace, такие как Google Vids, дает Google канал для корпоративных клиентов, с которым стартапам, занимающимся созданием видео, приходится бороться за один контракт за раз.

Быстрый ритм Omni Line

Gemini Omni 1.2 Flash появится примерно через десять недель после того, как Google представила Gemini Omni 1.1 Flash в конце августа, и примерно через пять с половиной месяцев после дебюта оригинального Gemini Omni в мае. Стабильная частота примерно ежеквартальных обновлений отражает то, как быстро Google сейчас обновляет свои передовые семейства моделей, при этом варианты Flash позиционируются как быстрый и доступный уровень каждого поколения.

Релиз сразу же привлек внимание сообщества разработчиков. Запуск возглавил Hacker News в пятницу утром, набрав более 170 баллов и более 130 комментариев в течение нескольких часов, при этом обсуждение было сосредоточено на ценах, 15-секундном лимите и сравнении рабочего процесса редактирования модели с альтернативами.

Что это значит для рынка ИИ-видео

Обновление появилось в неспокойный момент для компаний, занимающихся искусственным интеллектом. Распродажа на фондовом рынке на этой неделе, отчасти вызванная опасениями инвесторов по поводу монетизации ИИ, заставила все крупные лаборатории продемонстрировать, что передовые исследования приносят доход. Более дешевое и быстрое создание видео является прямым ответом на этот вопрос: более низкие цены расширяют клиентскую базу, а статус готовности к производству привлекает корпоративные бюджеты, которых никогда не видят инструменты на стадии эксперимента.

Для разработчиков практический вывод прост. Если раньше рабочие нагрузки по созданию видео были ограничены длиной клипа, ценой или необходимостью регенерации выходных данных после каждого изменения, то сегодня Gemini Omni 1.2 Flash устраняет как минимум два из этих трех проблем. Отреагируют ли конкуренты соответствующим снижением цен — как они это сделали после предыдущих выпусков Gemini Flash — станет одной из историй, за которыми стоит следить в ближайшие недели.

Улучшения согласованности заслуживают особого внимания со стороны команд, которые пробовали более ранние видеомодели и отказались от них. Заявление Google специально нацелено на «профессиональные проекты», признавая, что последовательность кадров — персонажи, которые выглядят одинаково на всех кадрах, освещение, которое не меняется в середине сцены — это то, что отличает демо от готового контента. В сочетании с диалоговым редактированием рабочий процесс, который описывает Google, выглядит не столько как игровой автомат, восстанавливающий клипы, сколько как инструмент итеративного проектирования.

Google заявляет, что разработчики могут сразу же начать использовать новые возможности Gemini API, Google Vids и Gemini для бизнеса.

---

Будьте в курсе ИИ

Последние новости, аналитика и прорывы в сфере ИИ — всё в одном месте.

Читать больше новостей об ИИ →