IT之家 El 6 de noviembre, Google lanzó oficialmente el Gemini Omni 1.2 Flash modelo de generación de video, y lo puso a disposición en las plataformas Gemini API y Gemini for business.
La nueva versión del modelo implementala generación de videos nativos en 15 segundos, edición conversacional en múltiples rondas y una mayor capacidad para seguir referencias. Además, comparada con la versión 1.1,se reduce el precio en un 30%. El precio de generación de videos en 720p es0.07 dólares por segundo (Nota de IT Home: en el tipo de cambio actual, equivale a aproximadamente 0.47 yuanes).
En cuanto a la reducción de costos a escala, la nueva versión del flujo de trabajo puede ser rápidamente redactada en 360p o 720p, y los detalles se pueden corregir mediante ediciones posteriores sin necesidad de generar todo el fragmento nuevamente. Finalmente, el producto final se puede mejorar a 1080p o 4K para reducir aún más el costo de uso.
En la longitud del segmento, Gemini Omni 1.2 Flash extiende la duración de video nativa desde los 10 segundos de la versión 1.1 hasta un máximo de 15 segundos, y admite personalizar la duración en unidades de 1 segundo dentro del rango de 3 a 15 segundos. Esto permite generar de una sola vez historias completas, explicaciones de productos o segmentos de anuncios sociales.
En el aspecto de seguimiento de referencia, los usuarios pueden generar combinando roles, productos o imágenes de estilo, segmentos dinámicos de hasta 3 segundos y pistas de audio. La modelo puede mantener la consistencia en el rostro, la vestimenta, el tipo de letra del empaque y los colores de la marca bajo diferentes ángulos de cámara durante todo el proceso, lo que facilita la conversión de imágenes de productos existentes y de configuraciones de personajes en pruebas virtuales, exhibiciones de productos giratorios y anuncios de video de marca.
En la consistencia de resultados, el nuevo modelo puede mantener una fuerte consistencia entre el primer y el último fotograma, en cuanto a personajes, objetos y escenas. Esto reduce el desplazamiento visual y las deformaciones durante el movimiento y la transición de planos. Ya sea mediante interpolación entre los fotogramas clave o al extender segmentos para crear secuencias largas, los productos, los personajes, los accesorios y el entorno pueden mantenerse uniformes entre diferentes planos.
En el aspecto de edición conversacional, los usuarios pueden ajustar cada segmento de manera iterativa, como reemplazar el producto o el fondo, modificar la iluminación o el clima, o cambiar la proporción de la imagen. No es necesario generar todo desde cero; esta capacidad de edición multironda puede abarcar un segmento completo de 15 segundos, lo que facilita la creación de variantes publicitarias para diferentes audiencias y posiciones de difusión, sin necesidad de reescribir las instrucciones ni generar todo nuevamente.
En efectos de voz, la nueva versión del modelo puede generar diálogos más fluidos y naturales, una sincronización de labios más clara, y soporta control de condiciones para múltiples hablantes. Es adecuada para las conversaciones con varios personajes en Flow, la creación de videos explicativos en Gemini for business, así como para la producción de videos profesionales en Google Vids que incluyen personas digitales, música y narraciones.
En control de imagen de nivel cinematográfico, los usuarios pueden dirigir movimientos complejos y continuos de las imágenes, como vueltas panorámicas FPV, acercamientos dramáticos y enfoques de circunferencia, reduciendo significativamente los cambios innecesarios y manteniendo una proporción de escalado más estable y un sabor cinematográfico más refinado.
Actualmente, Gemini Omni es la primera vez que se pone a disposición de manera completa y oficial. Con base en la infraestructura empresarial de Google Cloud y sus capacidades de seguridad, soporta Provisioned Throughput, y el contenido generado lleva un SynthID que no puede ser detectado a simple vista.
Los desarrolladores pueden utilizar Google AI Studio para probar prototipos, consultar documentación y ver precios; los usuarios empresariales pueden experimentar en la consola de Google Cloud; los usuarios comunes pueden dirigir escenas y realizar múltiples ediciones en Flow, generar clips de 15 segundos gratuitamente en Google Vids, la aplicación Gemini se envía gradualmente a los usuarios de la suscripción Google AI Ultra, y Google Ads permite la publicidad de videos a gran escala.