Google оголосив про загальну доступність Gemini Omni 1.2 Flash, найновішої версії мультимодальної моделі створення відео. Згідно з офіційним оголошенням Google, оновлення забезпечує створення рідного 15-секундного відео, багатоповоротне редагування розмови та покращене дотримання посилань, а також зниження цін на 30 відсотків. Сьогодні ця модель поширюється в Gemini API, Google Cloud, Google Vids і Gemini для бізнесу.

Аніш Нангіа, менеджер із продуктів Google DeepMind, представив випуск у дописі в блозі під назвою «Gemini Omni 1.2 Flash: швидкий і економічний із довшими кліпами», позиціонуючи його як готовий до виробництва варіант для розробників і компаній, які створюють відеовміст у масштабі. For more context on this story, see our ongoing AI news.

Що нового в Gemini Omni 1.2 Flash

Можливістю заголовка є вбудована підтримка 15-секундних відеокліпів, що є суттєвим розширенням у порівнянні з попередніми версіями лінійки Omni. Google каже, що ця модель також забезпечує більшу узгодженість між кадрами, що важливо для професійних проектів, де безперервність між знімками може впливати на кінцевий результат.

Друге важливе доповнення — багатоповоротне розмовне редагування. Замість того, щоб створювати кліп з нуля, коли деталі неправильні, розробники та творці тепер можуть удосконалювати відео за допомогою послідовності розмовних інструкцій. Google каже, що це дозволяє швидше коригувати, не починаючи заново, що має скоротити як час ітерації, так і символічні витрати для команд, які створюють багато відео.

Google також покращив те, що він називає дотриманням посилань — здатність моделі дотримуватися візуальних посилань та інструкцій, які надає користувач. На практиці це означає, що персонажі, стилі та елементи сцени, керовані еталонним зображенням або описом, повинні залишатися точнішими у створеному кліпі.

Ціни знижуються на 30 відсотків

Вартість була однією з головних перешкод для виробництва відео генерації ШІ, і Google атакує її безпосередньо. Компанія знизила ціну на Gemini Omni 1.2 Flash на 30 відсотків порівняно з попередньою версією, назвавши модель економічно ефективним варіантом для виробництва великого обсягу відео.

Зниження ціни відбувається внаслідок загострення конкуренції у мультимодальній генерації. OpenAI, Meta та хвиля стартапів підштовхнули до штучного інтелекту відео протягом останнього року, і розробники все частіше обирають моделі на основі ціни за кліп, а також необробленої якості. Рішення Google поєднати довші кліпи з нижчою ціною свідчить про те, що Gemini Omni є вибором за умовчанням для комерційних навантажень, а не просто для експериментів.

Де розробники можуть це використовувати

Gemini Omni 1.2 Flash є загальнодоступним, і Google наголошує, що він готовий для виробничих потреб, а не для експериментальної попередньої версії. Розробники можуть отримати доступ до нього через API Gemini та Google Cloud, а бізнес-користувачі можуть використовувати його в Google Vids і Gemini для бізнесу для створення відеоконтенту для маркетингу, навчання та комунікаційних робочих процесів.

Цей розподіл має значення. Вбудовування моделі безпосередньо в суміжні з Workspace інструменти, як-от Google Vids, дає Google канал для корпоративних клієнтів, яким доводиться боротися за один контракт за один контракт.

Швидка каденція Omni Line

Gemini Omni 1.2 Flash з’являється приблизно через десять тижнів після того, як Google представила Gemini Omni 1.1 Flash наприкінці серпня, і приблизно через п’ять з половиною місяців після дебюту оригінального Gemini Omni у травні. Стабільна частота оновлень, які відбуваються приблизно щоквартально, відображає те, наскільки швидко Google зараз повторює свої передові сімейства моделей, причому варіанти Flash позиціонуються як швидкі та доступні рівні кожного покоління.

Реліз одразу привернув увагу спільноти розробників. Запуск очолив Hacker News у п’ятницю вранці, набравши понад 170 балів і понад 130 коментарів протягом декількох годин, з обговоренням, зосередженим на ціноутворенні, ліміті в 15 секунд і порівнянні робочого процесу редагування моделі з альтернативами.

Що це означає для відеоринку AI

Оновлення відбувається в неспокійний момент для компаній штучного інтелекту. Розпродаж фондового ринку цього тижня, частково викликаний занепокоєнням інвесторів щодо монетизації штучного інтелекту, поставив кожну велику лабораторію під тиск, щоб показати, що передові дослідження перетворюються на дохід. Дешевша та швидша генерація відео є прямою відповіддю на це запитання: нижчі ціни розширюють клієнтську базу, а статус готовності до виробництва залучає бюджет підприємства, якого ніколи не бачать інструменти на стадії експерименту.

Для розробників практичний висновок простий. Якщо раніше навантаження на генерацію відео були обмежені довжиною кліпу, ціною або проблемою відновлення результату після кожної зміни, Gemini Omni 1.2 Flash усуває принаймні дві з цих трьох точок тертя сьогодні. Чи відповідатимуть конкуренти відповідним зниженням цін, як це було після попередніх випусків Gemini Flash, стане однією з історій, на які варто спостерігати найближчими тижнями.

Покращення узгодженості заслуговують на особливу увагу з боку команд, які пробували попередні моделі відео та пішли. Оголошення Google спеціально націлено на «професійні проекти», визнаючи, що узгодженість між кадрами — персонажі, які виглядають однаково на знімках, освітлення, яке не зміщується в середині сцени — це те, що відрізняє демонстрацію від контенту, який можна надати. У поєднанні з розмовним редагуванням робочий процес, який описує Google, виглядає не так як ігровий автомат, який регенерує кліпи, а більше як ітеративний інструмент проектування.

Google каже, що розробники можуть негайно почати використовувати нові можливості в Gemini API, Google Vids і Gemini для бізнесу.

---

Stay Ahead of AI

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

Read more AI news →