Η Google λανσάρει το Gemini Omni 1.1 Flash με υποστήριξη βίντεο 4K και επέκταση σκηνών

Η Google Alphabet Inc. ↗ 0.78% παρουσίασε την Πέμπτη το Gemini Omni 1.1 Flash, μια αναβάθμιση του μοντέλου παραγωγικού βίντεο που προσθέτει επέκταση σκηνών, μεταβάσεις βάσει keyframe, μια ταχύτερη λειτουργία προσχεδίου και αναβάθμιση σε 4K, εργαλεία που στοχεύουν να καταστήσουν το βίντεο που παράγεται από τεχνητή νοημοσύνη πρακτικό για επαγγελματικές ροές εργασίας.

Μεγαλύτερες σκηνές, περισσότερο πλαίσιο

Το κύριο χαρακτηριστικό είναι ένα ανασχεδιασμένο σύστημα επέκτασης σκηνών. Ενώ τα προηγούμενα μοντέλα αναφέρονταν μόνο στο τελευταίο δευτερόλεπτο του υλικού κατά τη δημιουργία νέου περιεχομένου, το Omni 1.1 αναλύει έως και 10 δευτερόλεπτα προηγούμενου πλαισίου βίντεο, κάτι που σύμφωνα με την Google βελτιώνει την οπτική συνέπεια και τη συνοχή της αφήγησης. Οι προγραμματιστές μπορούν να επεκτείνουν τα κλιπ σε διαστήματα των 10 δευτερολέπτων έως και τα 40 δευτερόλεπτα συνολικά, προσφέροντας αρκετό χώρο, όπως σημείωσε το Digital Trends, για "μια πραγματική αρχή, μέση και τέλος".blog+1

Ένας νέος έλεγχος πρώτου και τελευταίου καρέ επιτρέπει στους δημιουργούς να ορίζουν δύο keyframes, με το μοντέλο να παράγει συνεχή κίνηση μεταξύ τους. Η Google προωθεί τη λειτουργία για τροχιές κάμερας, μεταβάσεις ζουμ και κλιπ που επαναλαμβάνονται απρόσκοπτα.firstpost+1

Φθηνότερα προσχέδια, ποιοτικά τελικά αποτελέσματα

Το Omni 1.1 εισάγει μια λειτουργία προσχεδίου 360p, η οποία σύμφωνα με την Google αποδίδει έως και 60 τοις εκατό ταχύτερα και με το ένα τρίτο του κόστους της τυπικής εξόδου 720p. Η προβλεπόμενη ροή εργασίας είναι σαφής: δημιουργία πρωτοτύπων με χαμηλό κόστος σε χαμηλή ανάλυση και στη συνέχεια αναβάθμιση μιας εγκεκριμένης λήψης σε 1080p ή 4K για την τελική παράδοση.sqmagazine+1

Το SQ Magazine ανέφερε ότι το Gemini API τιμολογεί την έξοδο βίντεο από το μοντέλο στα 17,50 δολάρια ανά εκατομμύριο tokens, περίπου 0,10 δολάρια ανά δευτερόλεπτο υλικού 720p, αν και η Google δεν έχει δημοσιεύσει ξεχωριστές τιμές για έξοδο 4K ή 360p. Οι προγραμματιστές μπορούν επίσης να παρέχουν έως και τρία δευτερόλεπτα υπάρχοντος βίντεο ως πολυτροπική αναφορά για να βοηθήσουν στη διατήρηση της συνέπειας χαρακτήρων και περιβάλλοντος μεταξύ των γενεών.blog+2

Διαθεσιμότητα και πρώτοι χρήστες

Το μοντέλο είναι διαθέσιμο άμεσα σε προγραμματιστές μέσω του Google AI Studio και της πλατφόρμας Gemini Enterprise Agent. Η πρόσβαση για τους καταναλωτές διατίθεται σταδιακά παγκοσμίως στους συνδρομητές Google AI Plus, Pro και Ultra μέσω του Google Flow, ενώ η επέκταση σκηνών είναι επίσης διαθέσιμη στην εφαρμογή Gemini.blog+1

Αρκετές εταιρείες ενσωματώνουν ήδη το Omni Flash στα προϊόντα τους. Η Adobe το έχει εντάξει στο Firefly, και ο δημιουργικός διευθυντής του Figma, Itay Schiff, δήλωσε ότι το μοντέλο επιτρέπει στις ομάδες να προχωρήσουν "πέρα από την απλή δημιουργία βίντεο, στο να τα σκηνοθετούν πραγματικά". Ο επικεφαλής δημιουργικός διευθυντής της Runway, Jamie Umpherson, το χαρακτήρισε ως "έναν ακόμη τρόπο για τους χρήστες μας να μετακινούνται γρήγορα μεταξύ ιδεών".blog

Η κυκλοφορία της Google θέτει τα εργαλεία βίντεο για προγραμματιστές σε άμεσο ανταγωνισμό με το Sora της OpenAI στην πλευρά των καταναλωτών, καθώς ο χώρος του παραγωγικού βίντεο συνεχίζει να ενοποιείται γύρω από μοντέλα που δίνουν προτεραιότητα στον έλεγχο παράλληλα με την οπτική ποιότητα.sqmagazine