„Google“ pristatė „Gemini Omni 1.1 Flash“ su 4K vaizdo įrašų ir scenų pratęsimo funkcijomis

„Google Alphabet Inc.“ ↘ 0.41% ketvirtadienį pristatė „Gemini Omni 1.1 Flash“ – savo generatyvinio vaizdo įrašų modelio atnaujinimą, kuriame įdiegtas scenų pratęsimas, perėjimai pagal pagrindinius kadrus, spartesnis juodraščių režimas ir 4K didinimas. Šie įrankiai skirti tam, kad dirbtinio intelekto kuriami vaizdo įrašai taptų praktiški profesionaliems gamybos procesams.

Ilgesnės scenos ir daugiau konteksto

Pagrindinė naujovė – pertvarkyta scenų pratęsimo sistema. Kai ankstesni modeliai generuodami naują turinį atsižvelgdavo tik į paskutinę sekundę, „Omni 1.1“ analizuoja iki 10 sekundžių ankstesnio vaizdo konteksto, o tai, pasak „Google“, pagerina vizualinį nuoseklumą ir naratyvo tęstinumą. Kūrėjai gali pratęsti klipus 10 sekundžių intervalais iki 40 sekundžių – pakankamai vietos, kaip pažymėjo „Digital Trends“, kad būtų „tikra pradžia, vidurys ir pabaiga“.blog+1

Nauja pirmojo ir paskutinio kadro valdymo funkcija leidžia kūrėjams nurodyti du pagrindinius kadrus, o modelis sugeneruoja tolygų judėjimą tarp jų. „Google“ šią funkciją pozicionuoja kaip skirtą kameros orbitoms, priartinimo perėjimams ir sklandžiai besikartojantiems klipams.firstpost+1

Pigesni juodraščiai ir poliruoti galutiniai rezultatai

„Omni 1.1“ pristato 360p juodraščių režimą, kuris, „Google“ teigimu, veikia iki 60 procentų greičiau ir kainuoja trečdalį standartinės 720p išvesties kainos. Darbo eiga aiški: pigiai sukurti prototipą maža raiška, o tada padidinti patvirtintą versiją iki 1080p arba 4K galutiniam pristatymui.sqmagazine+1

„SQ Magazine“ pranešė, kad „Gemini API“ vaizdo išvesties kaina yra 17,50 JAV dolerio už milijoną žetonų, arba maždaug 0,10 JAV dolerio už sekundę 720p medžiagos, nors „Google“ nepaskelbė atskirų tarifų 4K ar 360p išvesčiai. Kūrėjai taip pat gali pateikti iki trijų sekundžių esamo vaizdo įrašo kaip multimodalinę nuorodą, kad padėtų išlaikyti personažų ir aplinkos nuoseklumą per visas generacijas.blog+2

Prieinamumas ir ankstyvieji naudotojai

Modelis kūrėjams prieinamas iškart per „Google AI Studio“ ir „Gemini Enterprise Agent Platform“. Vartotojams jis platinamas visame pasaulyje „Google AI Plus“, „Pro“ ir „Ultra“ prenumeratoriams per „Google Flow“, o scenų pratęsimo funkcija taip pat pasiekiama „Gemini“ programėlėje.blog+1

Kelių įmonių produktai jau integruoja „Omni Flash“. „Adobe“ įtraukė jį į „Firefly“, o „Figma“ kūrybos direktorius Itay Schiffas teigė, kad modelis leidžia komandoms „peržengti vaizdo įrašų generavimo ribas ir pradėti juos tikrai režisuoti“. „Runway“ vyriausiasis kūrybos vadovas Jamie Umphersonas pavadino tai „dar vienu būdu mūsų vartotojams greitai judėti tarp idėjų“.blog

Šis „Google“ žingsnis sukuria tiesioginę konkurenciją su „OpenAI“ modeliu „Sora“ vartotojų rinkoje, nes generatyvinių vaizdo įrašų sritis toliau konsoliduojasi aplink modelius, kurie teikia pirmenybę valdomumui ir vizualinei kokybei.sqmagazine