Google julkaisi Gemini Omni 1.1 Flashin 4K-videolla ja kohtausten laajennuksella

Google Alphabet Inc. ↗ 1.53% esitteli torstaina Gemini Omni 1.1 Flashin, päivityksen generatiiviseen videomalliinsa, joka lisää kohtausten laajennuksen, avainruutuihin perustuvat siirtymät, nopeamman luonnostilan ja 4K-skaalauksen. Nämä työkalut on suunniteltu tekemään tekoälyllä luodusta videosta käytännöllistä ammattimaisissa tuotantoprosesseissa.

Pidempiä kohtauksia, enemmän kontekstia

Keskeinen ominaisuus on uudistettu kohtausten laajennusjärjestelmä. Siinä missä aiemmat mallit viittasivat vain viimeiseen sekuntiin materiaalia uutta sisältöä luotaessa, Omni 1.1 analysoi jopa 10 sekuntia aiempaa videokontekstia, mikä Googlen mukaan parantaa visuaalista johdonmukaisuutta ja kerronnallista jatkuvuutta. Kehittäjät voivat pidentää leikkeitä 10 sekunnin välein yhteensä 40 sekuntiin asti, mikä on Digital Trendsin mukaan riittävästi tilaa "todelliselle alulle, keskikohdalle ja lopulle".blog+1

Uusi ensimmäisen ja viimeisen ruudun hallinta antaa luojille mahdollisuuden määrittää kaksi avainruutua, joiden välille malli luo jatkuvan liikkeen. Google markkinoi ominaisuutta kameran kiertoliikkeisiin, zoomaussiirtymiin ja saumattomiin silmukoihin.firstpost+1

Halvempia luonnoksia, viimeisteltyjä lopputuloksia

Omni 1.1 esittelee 360p-luonnostilan, jonka Google väittää renderöivän jopa 60 prosenttia nopeammin ja kolmasosalla sen tavallisen 720p-lähdön kustannuksista. Suunniteltu työnkulku on selkeä: luo prototyyppi edullisesti matalalla resoluutiolla ja skaalaa sitten hyväksytty otos 1080p- tai 4K-tarkkuuteen lopullista toimitusta varten.sqmagazine+1

SQ Magazine raportoi, että Gemini API hinnoittelee mallin videotuotoksen 17,50 dollariin miljoonaa tokenia kohden, mikä on noin 0,10 dollaria per sekunti 720p-materiaalia, vaikka Google ei ole julkaissut erillisiä hintoja 4K- tai 360p-lähdölle. Kehittäjät voivat myös toimittaa jopa kolme sekuntia olemassa olevaa videota multimodaalisena viitteenä auttaakseen säilyttämään hahmojen ja ympäristön johdonmukaisuuden sukupolvien yli.blog+2

Saatavuus ja varhaiset käyttäjät

Malli on kehittäjien saatavilla välittömästi Google AI Studion ja Gemini Enterprise Agent Platformin kautta. Kuluttajakäyttö laajenee maailmanlaajuisesti Google AI Plus-, Pro- ja Ultra-tilaajille Google Flown kautta, ja kohtausten laajennus on saatavilla myös Gemini-sovelluksessa.blog+1

Useat yritykset integroivat jo Omni Flashia tuotteisiinsa. Adobe on tuonut sen Fireflyhin, ja Figman luova johtaja Itay Schiff totesi, että malli antaa tiimeille mahdollisuuden siirtyä "videoiden luomisesta niiden todelliseen ohjaamiseen". Runwayn luova johtaja Jamie Umpherson kutsui sitä "uudeksi tavaksi käyttäjillemme liikkua nopeasti ideoiden välillä".blog

Googlen julkaisu asettaa sen kehittäjille suunnatut videotyökalut suoraan kilpailuun OpenAI:n Soran kanssa kuluttajapuolella, kun generatiivisen videon ala jatkaa keskittymistään malleihin, jotka priorisoivat hallittavuutta visuaalisen laadun ohella.sqmagazine