Resumen:
El 6 de noviembre, Google lanzó oficialmente el jueves el modelo de generación de vídeo Gemini Omni 1.2 Flash. El modelo admite la generación y edición de videos nativos de 15 segundos a través de múltiples rondas de diálogo. El precio es un 30% más bajo que la generación anterior.
Gemini Omni 1.2 Flash
Google dijo que Gemini Omni 1.2 Flash se está implementando a través de Gemini API, Google AI Studio, Google Cloud Console, Flow, Google Vids, aplicaciones Gemini para suscriptores de Google AI Ultra y Google Ads. Cada vídeo generado tiene una marca de agua con un SynthID imperceptible para indicar su origen.
La duración de los videoclips generados por el modelo ahora se puede configurar de 3 a 15 segundos, en comparación con el máximo anterior de 10 segundos. Al mismo tiempo, el precio de la generación de vídeo de 720p se ha reducido en un 30% a 0,07 dólares por segundo. Los usuarios también pueden editar el video generado a través de conversaciones en curso.
Una de sus características destacadas es lo que Google llama "Edición conversacional". Los usuarios pueden ajustar gradualmente el vídeo generado a través de múltiples rondas de diálogo, como cambiar el fondo, ajustar la iluminación o modificar la relación de aspecto, sin regenerar todo el vídeo. Google dice que esta función admite la edición de videos completos de 15 segundos.
Combinada con flujos de trabajo jerárquicos, también se espera que esta característica reduzca los costos de producción. Los usuarios primero generan un primer borrador con una resolución de 360p o 720p, luego corrigen los detalles individuales mediante la edición posterior y, finalmente, solo convierten la película final para aumentar la resolución a 1080p o 4K.
Google también afirmó que la capacidad del modelo para seguir materiales de referencia también ha mejorado significativamente. Según el anuncio oficial, los usuarios pueden ingresar imágenes de personajes, fotografías de productos, videoclips cortos de hasta 3 segundos e indicaciones de audio. El modelo puede mantener la coherencia de los rostros de los personajes, la ropa, el texto en el empaque del producto y la combinación de colores de la marca bajo diferentes ángulos de disparo.
La capacidad de seguir el material se ha mejorado significativamente
Google toma como ejemplo un segmento de prueba virtual: con solo una foto de modelo e imágenes de producto de tres conjuntos de ropa, el modelo puede generar una escena continua de 15 segundos que incluye un giro de 360 grados, manteniendo la identidad del modelo y el corte y caída de cada prenda.
Al mismo tiempo, también se ha mejorado la coherencia visual general. Google dijo que, en comparación con el modelo de la generación anterior, el nuevo modelo tiene menos desviación visual y deformación durante el movimiento de la pantalla y el cambio de lente.
Además, Gemini Omni 1.2 Flash puede generar un habla conversacional más fluida y natural, el efecto de sincronización de la forma de la boca y el habla es más preciso y también tiene la capacidad de distinguir múltiples hablantes diferentes.
El modelo también es más capaz de manejar movimientos de cámara continuos y complejos, como tomas de vuelo de drones FPV o tomas con zoom rápido con un fuerte impacto visual, y reduce significativamente los cortes de salto innecesarios.
Comentarios