Google выпустила Gemini Omni 1.2 Flash для генерации 15-секундных видео

Google сделала модель генерации видео Gemini Omni 1.2 Flash общедоступной через Gemini API и корпоративные сервисы. Она поддерживает ролики продолжительностью до 15 секунд, пошаговое редактирование в диалоге и стоит $0,07 за секунду видео в разрешении 720p.

Google представила Gemini Omni 1.2 Flash — модель Google DeepMind для генерации и редактирования видео. Продолжительность ролика можно задавать с шагом в одну секунду в диапазоне от 3 до 15 секунд; предыдущая версия поддерживала не более 10 секунд.

Модель получила многошаговое редактирование с помощью текстовых команд. Пользователь может последовательно менять фон, освещение, объект или соотношение сторон, не создавая весь ролик заново. В качестве ориентиров для генерации принимаются изображения персонажей, товаров и стилей, фрагменты движения продолжительностью до трех секунд и звуковые подсказки.

По утверждению Google, новая версия точнее сохраняет внешность персонажей, объекты, надписи и окружение при смене ракурса и движении камеры. Также улучшены синхронизация губ, разделение голосов нескольких персонажей и непрерывные движения камеры.

Стоимость генерации видео в разрешении 720p составляет $0,07 за секунду — на 30% меньше, чем у Gemini Omni 1.1. Черновые ролики можно создавать в 360p или 720p, а выбранные варианты масштабировать до 1080p или 4K. Результаты получают невидимую маркировку SynthID.

Gemini Omni 1.2 Flash доступна через Gemini API и Gemini for business, а также внедряется в Flow, Google Vids, приложение Gemini и Google Ads. Google отмечает, что модели пока сложнее обрабатывать быстрые спортивные сцены, резкие изменения сценария и сложную физику.