Обновлённая видеомодель Google Gemini Omni 1.2 Flash стала дешевле, научилась держать детали персонажей и товаров между кадрами и позволяет править ролик репликами, не генерируя его заново.
Длиннее ролики, точнее детали
Модель создаёт видео продолжительностью от 3 до 15 секунд с шагом в одну секунду. У предыдущей версии предел составлял 10 секунд.
По заявлению Google, улучшено сохранение внешности персонажей, одежды, надписей и объектов при движении камеры. В качестве референсов можно сочетать изображения, короткие видеоролики и аудио. Компания также заявляет о более естественной речи и точной синхронизации губ.
Правки через диалог
Готовый ролик можно последовательно изменять текстовыми командами: заменить фон или товар, скорректировать освещение, погоду и соотношение сторон. Это позволяет дорабатывать сцену без полной генерации с нуля.
Черновики доступны в 360p и 720p, выбранный результат можно повысить до 1080p или 4K.
Что нового
Длина. Максимальная длина клипа выросла с 10 до 15 секунд. Длительность задаётся с шагом в секунду, от 3 до 15.
Цена. Генерация в 720p стоит $0,07 за секунду, на 30% меньше, чем у Omni 1.1. Полный 15-секундный ролик обойдётся примерно в $1,05.
Стабильность кадра. По словам Google, лица, одежда, шрифты на упаковке и фирменные цвета остаются неизменными от первого кадра до последнего, в том числе при смене ракурса. Реже появляются искажения объектов при движении. Для этого модель принимает референсы: изображения персонажа, товара или стиля, фрагменты движения до трёх секунд и звуковые подсказки.
Звук. Речь стала естественнее, губы совпадают со словами точнее, голоса нескольких говорящих различаются лучше.
Камера. Улучшено управление непрерывными движениями: облёт от первого лица, отъезд, вращение вокруг объекта. Лишних склеек стало меньше.
Правка в диалоге. Ролик можно редактировать за несколько реплик: заменить товар или фон, изменить освещение и погоду, сменить соотношение сторон. Генерировать клип заново не нужно, функция работает на полных 15 секундах.
Какие ограничения?
Быстрые спортивные сцены, резкая смена сценария и сложная физика у модели получаются хуже. Все ролики получают незаметный водяной знак SynthID. Независимых тестов в анонсе нет, заявления о качестве принадлежат самой компании.
Цена и доступ
Генерация в 720p стоит $0,07 за секунду — на 30% дешевле прежней версии. Соответственно, 15-секундный ролик обойдётся в $1,05.
Модель стала общедоступной через Gemini API и Google Cloud. В приложении Gemini доступ разворачивается для подписчиков Google AI Ultra.
Автор: molniya_ai
