Riassunto:
Giovedì 6 novembre Google ha lanciato ufficialmente il modello di generazione video Gemini Omni 1.2 Flash. Il modello supporta la generazione e l'editing di video nativi di 15 secondi attraverso più cicli di dialogo. Il prezzo è inferiore del 30% rispetto alla generazione precedente.
Gemini Omni 1.2 Flash
Google ha affermato che Gemini Omni 1.2 Flash verrà implementato tramite Gemini API, Google AI Studio, Google Cloud Console, Flow, Google Vids, applicazioni Gemini per gli abbonati a Google AI Ultra e Google Ads. Ogni video generato è contrassegnato da un impercettibile SynthID per indicarne la provenienza.
La durata dei video clip generati dal modello può ora essere impostata da 3 a 15 secondi, rispetto al precedente massimo di 10 secondi. Allo stesso tempo, il prezzo per la generazione di video a 720p è stato ridotto del 30% a 0,07 dollari al secondo. Gli utenti possono anche modificare il video generato attraverso conversazioni in corso.
Una delle sue funzionalità più straordinarie è ciò che Google chiama "modifica conversazionale". Gli utenti possono regolare gradualmente il video generato attraverso più cicli di dialogo, come cambiare lo sfondo, regolare l'illuminazione o modificare le proporzioni, senza rigenerare l'intero video. Google afferma che questa funzione supporta la modifica di video completi di 15 secondi.
In combinazione con i flussi di lavoro gerarchici, questa funzionalità dovrebbe anche ridurre i costi di produzione. Gli utenti generano prima una prima bozza con una risoluzione di 360p o 720p, quindi correggono i singoli dettagli attraverso il successivo editing e infine convertono solo il film finale per aumentare la risoluzione a 1080p o 4K.
Google ha inoltre affermato che anche la capacità del modello di seguire i materiali di riferimento è stata notevolmente migliorata. Secondo l'annuncio ufficiale, gli utenti possono inserire immagini di personaggi, foto di prodotti, brevi videoclip fino a 3 secondi e istruzioni audio. Il modello è in grado di mantenere la coerenza dei volti, dei vestiti, del testo sulla confezione del prodotto e della corrispondenza dei colori del marchio dei personaggi sotto diversi angoli di ripresa.
La capacità di seguire il materiale è stata notevolmente migliorata
Google prende come esempio un segmento di prova virtuale: con una sola foto del modello e le immagini del prodotto di tre set di abiti, il modello può generare una scena continua di 15 secondi che include una rotazione di 360 gradi, mantenendo l'identità del modello e il taglio e il drappeggio di ciascun capo.
Allo stesso tempo, è stata migliorata anche la coerenza visiva generale. Google ha affermato che rispetto al modello della generazione precedente, il nuovo modello presenta meno deviazioni e deformazioni visive durante il movimento dello schermo e il cambio dell'obiettivo.
Inoltre, Gemini Omni 1.2 Flash può generare conversazioni più fluide e naturali, l'effetto di sincronizzazione della forma della bocca e del parlato è più accurato e ha anche la capacità di distinguere più interlocutori diversi.
Il modello è inoltre in grado di gestire meglio i movimenti complessi e continui della telecamera, come le riprese di volo di droni FPV o le riprese con zoom veloci con un forte impatto visivo, e riduce significativamente i tagli di salto non necessari.
Commenti