ڈیپ مائنڈ پروڈکٹ مینیجرز انیش نانگیا اور الیسا فورٹین کے آفیشل گوگل بلاگ پر ایک پوسٹ کے مطابق، گوگل نے جمعرات کو جیمنی اومنی 1.1 فلیش کا اعلان کیا، جو اس کے جنریٹیو ویڈیو ماڈل میں پروڈکشن کے لیے تیار ایک اپ ڈیٹ ہے جس میں سین کی توسیع، سنیما کیمرہ کنٹرولز اور 4K آؤٹ پٹ شامل ہوتا ہے۔

اپ ڈیٹ Omni کو تجرباتی ماڈل سے لے کر اس میں لے جاتا ہے جسے Google AI اسٹوڈیو میں Gemini API کے ذریعے پیشہ ورانہ استعمال کے لیے پیداواری تیاری کا نام دیتا ہے، جس کی دستیابی بھی Gemini Enterprise Agent پلیٹ فارم کے ذریعے درج ہے۔ Google Gemini Omni کو تخلیقی تخلیق میں حقیقی دنیا کے استدلال کو لانے کے طور پر بیان کرتا ہے، اور 1.1 ریلیز کو اس مقام کے طور پر رکھتا ہے جہاں ماڈل ویڈیو ورک فلو، تخلیقی ٹولز اور میڈیا ایڈیٹنگ سافٹ ویئر بنانے والے ڈویلپرز کے لیے کافی قابل اعتماد بن جاتا ہے۔

منظر کی توسیع کے ذریعے طویل کہانیاں

سرخی کی اہلیت منظر کی توسیع ہے، جو ڈویلپرز کو ایک موجودہ تیار کردہ ویڈیو لینے اور فوٹیج کو بغیر کسی رکاوٹ کے وہیں سے بنانا جاری رکھنے دیتی ہے جہاں سے اس نے چھوڑا تھا۔ اومنی 1.1 کے ساتھ، گوگل کا کہنا ہے کہ یہ ماڈل 10 سیکنڈ تک پیشگی سیاق و سباق کا تجزیہ کر سکتا ہے - پچھلے ماڈلز سے ایک چھلانگ جس میں صرف آخری سیکنڈ کا حوالہ دیا گیا تھا۔ کمپنی کے مطابق نتیجہ طویل کہانیوں کی تعمیر یا نئی تخلیقی سمتوں میں شاخیں بناتے وقت بصری مستقل مزاجی اور بیانیہ کی پابندی کو بہتر بناتا ہے۔

ویڈیوز کو 10-سیکنڈ کے اضافے میں 40 سیکنڈ کی مجموعی لمبائی تک بڑھایا جا سکتا ہے۔ یہ روایتی ویڈیو کی لمبائی سے کم ہے، لیکن مختصر شکل کے مواد، تشہیر کے تخلیقی اور پری ویژولائزیشن کے کام کے لیے، گوگل شرط لگا رہا ہے کہ کنٹرول اور مستقل مزاجی مدت سے زیادہ اہم ہے۔

اعلان کے ساتھ شائع ہونے والا مظاہرے کا مواد ظاہر کرتا ہے کہ ورک فلو کا عملی طور پر کام کرنا کس طرح ہے: ہر نیا پرامپٹ پچھلے منظر کو جاری رکھتا ہے، جس میں ماڈل بصری سیاق و سباق کو آگے لے کر جاتا ہے جبکہ پرامپٹ کیمرے کی حرکت، ترتیب اور یہاں تک کہ موڈ میں تبدیلیوں کی ہدایت کرتا ہے — ایک تسلسل قریبی بات چیت سے دھول بھرے کیٹاکومبس کے ذریعے سست پل آؤٹ کی طرف بڑھتا ہے اور پھر ایک فلو میں منتقل ہوتا ہے۔ کسی منظر کو ایک شاٹ میں بنانے کے بجائے تہوں میں بنانا، اس سے زیادہ قریب ہے کہ ایڈیٹر فوٹیج کو کیسے اکٹھا کرتا ہے اس سے کہ ابتدائی ٹیکسٹ ٹو ویڈیو ٹولز کیسے کام کرتے تھے۔

کیمرہ کنٹرول اور فریم انٹرپولیشن

ریلیز میں اس چیز کو بھی شامل کیا گیا ہے جسے گوگل اسٹوڈیو کے معیار کے ویڈیو پروڈکشن ٹولز کے طور پر بیان کرتا ہے۔ اعلان کی پوسٹ پر دکھائی گئی مثالوں میں سے: ایک سنیما ڈولی زوم جو زوم آؤٹ کرتے وقت کیمرے کو آگے بڑھاتا ہے، ایک کردار کی آنکھوں میں مکینیکل اسنیپ زوم، اور 3D گہرائی اور پیرالیکس کو ظاہر کرنے کے لیے منجمد کریکٹر کے گرد 360 ڈگری مداری گردش۔

ڈویلپرز شاٹ کے لیے پہلے اور آخری فریموں کی بھی وضاحت کر سکتے ہیں، جس میں ماڈل ان کے درمیان ہموار ٹرانزیشن کو انٹرپول کر رہا ہے - ایک ایسی تکنیک جو پیشہ ور اینیمیٹروں سے واقف ہے جو شاٹ کے شروع ہونے اور ختم ہونے کے مقام پر عمدہ کنٹرول فراہم کرتی ہے۔ تازہ ترین AI ڈیولپمنٹس کی پیروی کریں کیونکہ گوگل تیزی سے ریلیز کرنے کا سلسلہ جاری رکھے ہوئے ہے۔

360p میں دوبارہ کریں، 4K میں ڈیلیور کریں۔

Omni 1.1 Flash نے لاگت کو کنٹرول کرنے کے مقصد سے دو درجے کوالٹی ورک فلو متعارف کرایا ہے۔ ڈیولپرز تخلیقی عمل کے دوران آئیڈیاز کو تیزی سے اور زیادہ سستے دہرانے کے لیے فوری 360p پیش نظارہ تیار کر سکتے ہیں، پھر شاندار نتیجہ کے لیے حتمی پروجیکٹ کو 4K ریزولوشن تک بڑھا سکتے ہیں۔ گوگل کا کہنا ہے کہ اپ اسکیلنگ کرکرا، اعلی ریزولوشن آؤٹ پٹ تیار کرتی ہے جو پیشہ ورانہ استعمال کے لیے موزوں ہے۔

پیش نظارہ سے 4K پائپ لائن جنریٹیو ویڈیو کے مستقل معاشی مسائل میں سے ایک کو حل کرتی ہے: ہر بار جب فوری طور پر تبدیل ہوتا ہے تو مکمل ریزولوشن آؤٹ پٹ کو دوبارہ تخلیق کرنے کی لاگت۔ ڈیلیوری سے ایکسپلوریشن کو الگ کر کے، گوگل تجارتی پائپ لائنز کے لیے ماڈل کو مزید عملی بنا رہا ہے جہاں حتمی رینڈر سے پہلے درجنوں تکراریاں ہوتی ہیں۔

یہ کیوں اہمیت رکھتا ہے۔

یہ اپ ڈیٹ خام نسل کے معیار سے کنٹرولیبلٹی کی طرف صنعت کی تبدیلی کی عکاسی کرتا ہے — کیمرے کی نقل و حرکت کو ہدایت کرنے، کردار کی مستقل مزاجی کو برقرار رکھنے اور عین مطابق فریموں کو نشانہ بنانے کی صلاحیت، جس طرح سے ایک ڈائریکٹر یا ایڈیٹر کرے گا۔ تخلیقی سافٹ ویئر بنانے والے ڈویلپرز کے لیے، ڈیمو اور قابل تعیناتی پروڈکٹ کے درمیان فرق اکثر ان کنٹرولز پر آتا ہے بجائے اس کے کہ خام وفاداری ہو۔

Google کی ریلیز کی ترتیب مطلوبہ سامعین کو واضح کرتی ہے۔ کمپنی تین ٹارگٹ کیٹیگریز کا نام دیتی ہے — جنریٹیو ویڈیو ورک فلوز، تخلیقی ٹولز اور میڈیا ایڈیٹنگ سوفٹ ویئر — اور اپ ڈیٹس کو جنریٹیو ویڈیو کو مزید قابل کنٹرول بنانے، اعادہ کرنے میں تیز اور حقیقی دنیا کی تعیناتی کے لیے پالش کے طور پر بیان کرتی ہے۔ ریلیز کے خلاصے میں 4K اپ اسکیلنگ کے ساتھ ساتھ تیز تر پروٹو ٹائپنگ ظاہر ہوتی ہے، اس بات پر زور دیتے ہوئے کہ تکرار کی رفتار اپنے طور پر ایک خصوصیت کے طور پر فروخت کی جا رہی ہے۔

AI اسٹوڈیو میں دستیاب Omni 1.1 Flash کے ساتھ اور Gemini API کے ذریعے، Google بھی Gemini Enterprise Agent پلیٹ فارم کے ذریعے ماڈل کو انٹرپرائز صارفین کی طرف بڑھا رہا ہے، جس سے یہ اشارہ ملتا ہے کہ جنریٹیو ویڈیو کو صارف کے نئے ہونے کی بجائے کاروباری انفراسٹرکچر کے طور پر رکھا جا رہا ہے۔

کیا دیکھنا ہے۔

اعلان میں 4K آؤٹ پٹ کے لیے قیمتوں کے تعین کی تفصیلات کو نمایاں نہیں کیا گیا تھا، اور ڈویلپرز یہ دیکھ رہے ہوں گے کہ 40 سیکنڈ کی مجموعی حد حقیقی دنیا کے پیداواری منصوبوں کو کیسے متاثر کرتی ہے۔ AI ویڈیو میں مقابلہ شدید ہے، حریفوں نے اپنی کنٹرولیبلٹی خصوصیات کو تیز رفتاری سے بھیج دیا ہے - ایک متحرک جس نے اس سال جدید ترین دعووں کی شیلف لائف کو بار بار مختصر کر دیا ہے۔

ابھی کے لیے، ڈویلپرز کے لیے گوگل کا پیغام سیدھا ہے: تخلیقی ویڈیو جس کو ایک بار فوری کیمیا اور قسمت کی ضرورت ہوتی تھی، اب ایک ہی API کے ذریعے 4K میں ہدایت، توسیع اور مکمل کی جا سکتی ہے۔

---

AI سے آگے رہیں

تازہ ترین AI خبریں، تجزیہ اور کامیابیاں حاصل کریں — سب ایک جگہ پر۔

مزید AI خبریں پڑھیں →