Gemini Omni 1.2 Flash

Gemini Omni 1.2 Flash — модель Google для создания, редактирования и продолжения видео со звуком. Она позволяет менять ролик в диалоге: заменить фон или товар, изменить освещение, а затем уточнить результат следующим сообщением. Можно задать первый и последний кадры, чтобы модель построила переход между ними.

По сравнению с Omni 1.1 Flash предельная длительность создаваемого ролика выросла с 10 до 15 секунд. По заявлению Google, новая версия точнее сохраняет внешность персонажей, детали товаров и надписи при движении камеры. Компания также сообщает о более естественных диалогах и лучшем совпадении речи с движением губ.

Google предлагает использовать модель для рекламы, демонстрации товаров, виртуальной примерки одежды и коротких объясняющих видео. Фотографии товара или персонажа можно использовать как образцы, чтобы направлять генерацию. Для быстрой проверки идеи можно сделать черновик в низком разрешении, внести правки и затем повысить разрешение выбранного варианта до 1080p или 4K.

Google отмечает, что быстрые спортивные движения, резкие изменения сценария и сложная физика ещё требуют улучшений. В API генерация по первому и последнему кадрам ограничена 10 секундами, хотя обычная генерация допускает 15 секунд. При продолжении видео модель добавляет от 3 до 10 секунд, используя последние 10 секунд исходного ролика.

источники:Анонс Google ↗Документация модели ↗