Gemini Omni 1.2 Flash laver 15 sekunders klip
Googles videomodel får længere klip, 30 procent lavere pris og redigering, der holder ansigter, produkter og tekst stabilt gennem hele klippet.
Fem sekunder mere pr. klip
Google ruller nu Gemini Omni 1.2 Flash ud, og modellen kan generere video i op til 15 sekunder ad gangen. Det er fem sekunder mere end den tidligere Gemini Omni 1.1, der stoppede ved 10 sekunder.
Længden kan angives i spring på ét sekund, fra 3 til 15 sekunder. Ifølge Google er det nok til at lave en komplet annonce til sociale medier eller en kort produktforklaring i én enkelt generation.
- Længste native klip, op fra 10 sekunder i Gemini Omni 1.1
- 15 sekunder
- Pris for 720p-video, 30 pct. lavere end Gemini Omni 1.1
- 0,07 dollar pr. sekund
- Mulig varighed, angivet i trin på ét sekund
- 3–15 sekunder
Billigere at prøve sig frem
Prisen er sat ned med 30 procent i forhold til Omni 1.1 og ligger nu på 0,07 dollar pr. sekund for video i 720p. Også selve arbejdsgangen skal holde omkostningerne nede.
Man kan kladde hurtigt i 360p eller 720p, rette en enkelt detalje med en opfølgende redigering i stedet for at genskabe hele klippet, og til sidst opskalere det bedste resultat til 1080p eller 4K.
Ansigt og mærkevare holder hele vejen
Modellen kan styres med en blanding af referencemateriale: billeder af en person, et produkt eller en bestemt stil, korte bevægelsesklip på op til tre sekunder og lydsignaler. Google fremhæver, at Omni 1.2 Flash holder fast i detaljerne fra første til sidste billede.
Ansigter, tøj, typografi på emballage og brandfarver bliver ved med at se ens ud, selv når kameraet skifter vinkel. Et eksempel fra kilden: Ét foto af en model kombineret med for- og bagsider af tre outfits giver en 15 sekunder lang sekvens, hvor tøjet præsenteres i 360-graders rotationer uden at modellens identitet eller tøjets snit ændrer sig.
Ret klippet i en samtale
Den nye udgave kan redigeres over flere omgange. Man kan bytte et produkt eller en baggrund, ændre lys eller vejr eller skifte billedformat i samme klip, i stedet for at begynde forfra. Ifølge Google virker den samtalebaserede redigering på hele 15-sekunders klip og gør det lettere at lave varianter til forskellige målgrupper og formater.
Kilden beskriver et forløb, hvor baggrunden skiftes trin for trin — fra et stribet telt til en egeskov, en stald med en hvid hest, et marked og en stenborg — mens figurernes spil, refleksioner i rustningen og kameraindstillingen bevares. Modellen får også mere naturligt klingende dialog, tydeligere læbesynkronisering og kan håndtere flere talende personer i samme scene.
Alment tilgængelig med huller tilbage
For første gang er Gemini Omni alment tilgængelig, oplyser Google, med infrastruktur og sikkerhed fra Google Cloud. Modellen rulles ud via Gemini API, Google Vids, Gemini for business og Flow, og Google tilbyder såkaldt Provisioned Throughput — forudreserveret kapacitet — til kunder med faste behov. Output bærer et umærkeligt SynthID-vandmærke.
Google skriver selv, at hurtig sportsaction, hurtige manuskriptændringer og kompleks fysik stadig er under forbedring. Det er med andre ord ikke her, modellen er stærkest endnu.
Flere detaljer
- Output kan opskaleres til 1080p eller 4K efter kladning i 360p eller 720p
- SynthID-vandmærket beskrives som umærkeligt for seeren
- Provisioned Throughput er tilgængeligt gennem Google Cloud
- Modellen kan bygge videre på et første og et sidste nøglebillede
Kilder:
Google Gemini →
Genfortalt i egne ord af AI-nyheder.com · AI-genereret illustration · Tjek altid originalkilden, før du handler på vigtige oplysninger.