A Google új videómodellje már 15 másodperces klipeket készít
A Google DeepMind általánosan elérhetővé tette a Gemini Omni 1.2 Flash videógeneráló modelljét, amely a korábbi legfeljebb 10 másodperces klipek helyett már 3–15 másodperces videókat készít. A szolgáltatás a Gemini API-n, a Google AI Studión, a Google Cloud Console-on, a Flow és a Google Vids felületén, valamint a Gemini alkalmazásban, a Google AI Ultra előfizetői számára érhető el. A Google Ads rendszerében szintén megjelenik. Minden generált videóba láthatatlan SynthID-vízjelet illesztenek, amely jelzi a tartalom mesterséges eredetét.
A modell egyik fontos újdonsága a Conversational Editing, vagyis a beszélgetésen alapuló szerkesztés. A felhasználó egy már elkészült jeleneten lépésről lépésre módosíthatja például a hátteret, a megvilágítást vagy a képarányt anélkül, hogy az egész videót újra kellene generálni. A funkció a teljes, akár 15 másodperces klipre kiterjed. A költségek csökkentésére a Google előbb 360p-s vagy 720p-s vázlat készítését, majd csak a végleges változat 1080p-re vagy 4K-ra történő felskálázását javasolja.
A 720p-s videó ára másodpercenként 0,07 dollár, ami 30 százalékkal alacsonyabb az elődmodell díjánál. A Gemini Omni 1.2 Flash a megadott referenciaanyagokat is pontosabban követi: karakterképekből, termékfotókból, legfeljebb három másodperces mozgóképekből és hangjelzésekből dolgozhat. A Google szerint így stabilabban őrzi meg az arcokat, a ruházatot, a csomagolások feliratait és a márkaszíneket különböző kameraállásokban. Javult a képi folytonosság, a beszéd és a szájszinkron, több szereplő hangjának elkülönítése, valamint az összetett kameramozgások kezelése is.