Gemini Omni 1.1 Flash вече може да удължава AI видеа до общо 40 секунди, като използва повече от предишните кадри за контекст.
Новият генеративен видео модел на Google е насочен към създатели на съдържание и разработчици, които се нуждаят от по-голям контрол върху развитието на сцените. Сред основните подобрения са по-дългата визуална памет, задаването на начален и краен кадър и възможността за използване на съществуващо видео като ориентир.
Моделът предлага и по-бързи 360p визуализации за тестване на идеи, преди крайният клип да бъде генериран в по-висока резолюция.
Gemini Omni използва до 10 секунди от предишния клип
Едно от основните предизвикателства при генеративното видео е запазването на последователност между отделните кадри и сцени. Персонажите, средата и посоката на действието могат да се променят, когато моделът не разполага с достатъчно информация за предходните събития.
Gemini Omni 1.1 Flash може да анализира до 10 секунди от съществуващото видео, когато трябва да продължи дадена сцена. Предишната система е разчитала само на последната секунда от клипа.
По-дългият контекст трябва да помогне на модела да запази по-последователно външния вид на героите, обстановката и развитието на действието.
AI видеата могат да достигнат обща продължителност от 40 секунди
Google увеличава и максималната продължителност на генерираните последователности. Потребителите могат да удължават видеото на интервали от по 10 секунди, докато то достигне обща дължина от 40 секунди.
Тази възможност предоставя повече пространство за създаване на свързани поредици от кадри. Вместо самостоятелни кратки клипове, потребителите могат да изградят сцена с по-ясно начало, развитие и завършек.
Начален и краен кадър дават повече контрол върху сцената
Gemini Omni 1.1 Flash позволява на създателите да зададат както първия, така и последния кадър на желаната сцена. След това моделът генерира необходимите междинни кадри, за да свърже двете изображения.
Функцията може да се използва за създаване на движение на камерата около обект, плавно приближаване между две композиции или видеоклип, който се повтаря без ясно забележим преход.
Поддържат се и видео референции с продължителност до три секунди. Те предоставят допълнителен визуален контекст и могат да помогнат за запазването на външния вид на персонажите в различни генерирани сцени.
360p визуализациите са по-бързи и по-евтини
Разработчиците вече могат да генерират предварителни версии с резолюция 360p. По данни на Google те се създават с до 60% по-бързо от стандартния 720p резултат и струват приблизително една трета от неговата цена.
По-ниската резолюция е предназначена за ранно тестване на идеи, редактиране на инструкциите и сравняване на различни версии. Така финалното генериране с по-високо качество може да бъде направено едва след избора на подходящ резултат.
Gemini Omni 1.1 Flash може да създава видео с резолюция 1080p, както и да мащабира завършения клип до 4K. Това означава, че 4K резултатът е получен чрез увеличаване на резолюцията, а не непременно чрез първоначално генериране в 4K.
Къде е достъпен Gemini Omni 1.1 Flash
Моделът вече се предлага на разработчици чрез Gemini API в Google AI Studio. Бизнес потребителите могат да получат достъп до него през корпоративната платформа Agent Platform на Google.
Gemini Omni 1.1 Flash се разпространява глобално и в Google Flow за абонатите на AI Plus, Pro и Ultra.
Функцията за удължаване на сцени предстои да бъде добавена и директно в приложението Gemini за потребителите на същите абонаментни планове.
