Google har meddelat den allmänna tillgängligheten av Gemini Omni 1.2 Flash, den senaste versionen av dess multimodala videogenereringsmodell. Enligt Googles officiella tillkännagivande ger uppdateringen inbyggd 15-sekunders videoskapande, multi-turn konversationsredigering och förbättrad referensefterlevnad, samtidigt som priserna sänks med 30 procent. Modellen rullas ut idag över Gemini API, Google Cloud, Google Vids och Gemini för företag.
Anish Nangia, produktchef på Google DeepMind, presenterade utgåvan i ett blogginlägg med titeln "Gemini Omni 1.2 Flash: Snabb och kostnadseffektiv med längre klipp", och placerar den som ett produktionsfärdigt alternativ för utvecklare och företag som genererar videoinnehåll i stor skala. For more context on this story, see our ongoing artificial intelligence updates.
Vad är nytt i Gemini Omni 1.2 Flash
Rubrikfunktionen är inbyggt stöd för 15-sekunders videoklipp, en meningsfull förlängning jämfört med tidigare versioner av Omni-linjen. Google säger att modellen också ger starkare konsistens över bildrutor, vilket är viktigt för professionella projekt där kontinuitet mellan bilderna kan göra eller bryta slutresultatet.
Det andra stora tillägget är multi-turn konversationsredigering. Istället för att återskapa ett klipp från början när en detalj är fel, kan utvecklare och kreatörer nu förfina videor genom en sekvens av samtalsinstruktioner. Google säger att detta tillåter snabbare justeringar utan att börja om, vilket borde minska både iterationstid och tokenkostnader för team som producerar video i volym.
Google har också förbättrat vad det kallar referensefterlevnad – modellens förmåga att hålla sig till de visuella referenser och instruktioner en användare ger. Rent praktiskt betyder det att karaktärer, stilar och scenelement som styrs av en referensbild eller beskrivning bör förbli mer trogna över det genererade klippet.
Prissättningen sjunker med 30 procent
Kostnader har varit ett av de största hindren för produktionsanvändning av AI-videogenerering, och Google attackerar det direkt. Företaget sänkte priset på Gemini Omni 1.2 Flash med 30 procent jämfört med den tidigare versionen, vilket inramade modellen som ett kostnadseffektivt alternativ för videoproduktion i hög volym.
Prissänkningen kommer när konkurrensen inom multimodal produktion hårdnar. OpenAI, Meta och en våg av startups har alla drivit in i AI-video under det senaste året, och utvecklare väljer i allt högre grad modeller baserat på kostnad per klipp lika mycket som rå kvalitet. Googles beslut att para ihop längre klipp med lägre pris antyder att det vill att Gemini Omni ska vara standardvalet för kommersiella arbetsbelastningar snarare än bara experiment.
Där utvecklare kan använda det
Gemini Omni 1.2 Flash är allmänt tillgänglig, vilket Google betonar betyder att den är redo för produktionsbehov snarare än experimentell förhandsvisning. Utvecklare kan komma åt det via Gemini API och Google Cloud, medan företagsanvändare kan använda det i Google Vids och Gemini för företag för att producera videoinnehåll för marknadsföring, utbildning och kommunikationsarbetsflöden.
Den fördelningen spelar roll. Att bädda in modellen direkt i Workspace-angränsande verktyg som Google Vids ger Google en kanal till företagskunder som nystartade nystartade videogenerationer måste kämpa för ett kontrakt i taget.
Omni Lines snabba kadens
Gemini Omni 1.2 Flash kommer ungefär tio veckor efter att Google introducerade Gemini Omni 1.1 Flash i slutet av augusti, och ungefär fem och en halv månad efter att den ursprungliga Gemini Omni debuterade i maj. Den stadiga kadensen av ungefär kvartalsvisa uppdateringar speglar hur snabbt Google nu itererar sina gränsmodellfamiljer, med Flash-varianter placerade som den snabba, prisvärda nivån för varje generation.
Utgåvan väckte omedelbar uppmärksamhet från utvecklargemenskapen. Lanseringen toppade Hacker News på fredagsmorgonen och samlade mer än 170 poäng och över 130 kommentarer inom några timmar, med diskussion fokuserad på prissättning, 15-sekundersgränsen och hur modellens redigeringsarbetsflöde jämförs med alternativ.
Vad det betyder för AI-videomarknaden
Uppdateringen landar i ett turbulent ögonblick för AI-företag. Veckans börsförsäljning, delvis utlöst av investerares oro för AI-inkomster, har satt alla större laboratorier under press för att visa att spetsforskning leder till intäkter. Billigare, snabbare videogenerering är ett direkt svar på den frågan: lägre priser utökar kundbasen och produktionsklar status bjuder in företagsbudgetar som verktyg i experimentstadiet aldrig ser.
För utvecklare är den praktiska takeawayen enkel. Om arbetsbelastningar för videogenerering tidigare var begränsade av klipplängd, pris eller smärtan med att återskapa utdata efter varje ändring, tar Gemini Omni 1.2 Flash bort åtminstone två av dessa tre friktionspunkter idag. Huruvida rivaler svarar med matchande prissänkningar – som de har gjort efter tidigare Gemini Flash-släpp – kommer att vara en av berättelserna att titta på under de kommande veckorna.
Konsistensförbättringarna förtjänar särskild uppmärksamhet från team som provade tidigare videomodeller och gick därifrån. Googles tillkännagivande riktar sig specifikt till "professionella projekt", som erkänner att bildruta-till-bildruta koherens – karaktärer som ser likadana ut över bilder, ljussättning som inte växlar mellan scenen – är det som skiljer en demo från innehåll som kan levereras. I kombination med konversationsredigering ser arbetsflödet som Google beskriver mindre ut som en spelautomat som återskapar klipp och mer som ett iterativt designverktyg.
Google säger att utvecklare kan börja använda de nya funktionerna direkt i Gemini API, Google Vids och Gemini för företag.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
