IT之家 – Selon une information du 6 novembre, Google a officiellement lancé le modèle de génération vidéo Gemini Omni 1.2 Flash, et il est désormais disponible dans les plateformes Gemini API et Gemini for business.
La nouvelle version du modèle permet la génération de vidéos natives en 15 secondes, l’édition dialogique multi-tours et une capacité plus forte de suivi des références. Par ailleurs, par rapport à la version 1.1, le prix est réduit de 30%. Le coût de génération de vidéos en 720p est de 0,07 dollar par seconde (Note de IT Home : à l’taux de change actuel, cela équivaut à environ 0,47 yuan).
En ce qui concerne la réduction des coûts grâce à l’échelle de production, la nouvelle version du flux de travail peut être rapidement rédigée en 360p ou 720p, puis les détails sont corrigés par des modifications ultérieures. Il n’est pas nécessaire de générer à nouveau tout le segment, et enfin, le produit fini est amélioré en 1080p ou 4K, ce qui permet d’encourir davantage les coûts d’utilisation.
Sur la longueur du segment, Gemini Omni 1.2 Flash prolonge la durée vidéo native de 10 secondes à la version 1.1 jusqu’à 15 secondes, et permet de personnaliser la durée entre 3 et 15 secondes en unités de 1 seconde. Cela permet de générer en une fois une histoire complète, une présentation de produit ou des segments publicitaires sociaux.
Dans le suivi de référence, les utilisateurs peuvent générer des images en combinant des personnages, des produits ou des images de style, des segments dynamiques d’une durée maximale de 3 secondes et des pistes audio. Le modèle peut maintenir l’uniformité du visage, des vêtements, du texte sur l’emballage et des couleurs de marque sous différents angles de caméra tout au long du processus, ce qui permet de transformer les images de produits existantes ou les illustrations de personnages en essais virtuels, en présentations de rotation de produits et en publicités vidéo de marque.
Enconsistance des résultats, le nouveau modèle maintient une forte cohérence entre les premiers et derniers frames, concernant les personnages, les objets et le décor. Cela réduit les déplacements visuels et les déformations durant les mouvements et les changements de plan. Que ce soit par interpolation entre les frames clés ou par prolongation des segments pour créer une séquence longue, les produits, les personnages, les objets et l’environnement restent uniformes entre les différents plans.
En ce qui concerne le éditeur conversationnel, les utilisateurs peuvent ajuster le même segment par étape, comme remplacer un produit ou un arrière-plan, modifier la lumière ou le temps, ou changer la proportion de l'image. Il n'est pas nécessaire de générer à partir zéro ; cette capacité d'édition multi-étape peut couvrir un segment complet de 15 secondes, ce qui permet de créer des variantes publicitaires adaptées à différents publics et positions de diffusion, sans avoir besoin de réécrire les prompts ou de générer à nouveau.
Sur l’effet vocal, la nouvelle version du modèle permet de générer des dialogues plus fluides et naturels, une synchronisation des expressions plus claire, ainsi que un contrôle des conditions de plusieurs interlocuteurs. Elle est adaptée pour les dialogues avec plusieurs personnages dans Flow, la création de vidéos explicatives avec Gemini for business, et la production de vidéos professionnelles incluant des humains numériques, de la musique et des paroles dans Google Vids.
Sur le contrôle de l’image de niveau cinéma, les utilisateurs peuvent diriger des mouvements complexes et continus de plans, tels que des panoramas FPV traversants, des détachements dramatiques, ou des plans en tournée, ce qui réduit considérablement les transitions inutiles et permet de maintenir une proportion de zoom plus stable ainsi qu’une texture cinématographique plus raffinée.
Pour la première fois, Gemini Omni est entièrement disponible officiellement. Grâce à l’infrastructure professionnelle et aux capacités de sécurité de Google Cloud, il prend en charge le Provisioned Throughput, et le contenu généré porte un SynthID invisibilisable à l’œil nu.
Les développeurs peuvent utiliser Google AI Studio pour le débogage de prototypes, consulter les documents et connaître les prix ; les utilisateurs professionnels peuvent expérimenter sur la console de Google Cloud ; les utilisateurs ordinaires peuvent diriger des scènes et effectuer plusieurs éditions dans Flow, générer gratuitement des clips de 15 secondes dans Google Vids, l’application Gemini est diffusée progressivement pour les abonnés Google AI Ultra, et Google Ads permet la diffusion d’publicités vidéo à grande échelle.