Google представила Gemini Omni 1.2 Flash: видео до 15 секунд и цена ниже на 30%

Модель доступна всем через Gemini API и Google Cloud. Генерация видео в 720p стоит 0,07 доллара за секунду. Ролики можно сначала создать и отредактировать в 360p или 720p, а затем повысить выбранные до 1080p или 4K.

Референсы и правки в диалоге

Кроме изображений персонажей, продуктов и стиля, можно использовать движущиеся фрагменты длиной до трёх секунд и аудиореференсы. Модель должна точнее сохранять лица, одежду, упаковку, шрифты и фирменные цвета при смене ракурса. Например, по фото модели и снимкам одежды спереди и сзади можно создавать видео виртуальной примерки.

Многошаговое редактирование в диалоге позволяет менять готовое видео без повторной генерации: заменить фон, освещение или погоду, подменить продукт, изменить соотношение сторон. Google заявляет об улучшении согласованности персонажей, объектов и сцен: в динамичных эпизодах реже искажаются предметы и теряются детали.

Также улучшены естественность диалогов, синхронизация губ и разделение голосов нескольких говорящих. Плавные движения камеры — полёты FPV, отдаление с широкого плана, облёт по орбите — должны получаться с меньшим числом нежелательных склеек.

Доступность и ограничения

Модель появится в Gemini API, Google AI Studio и Google Cloud, а также в Flow, Google Vids и Google Ads. В приложении Gemini 15-секундное видео начали открывать подписчикам Google AI Ultra. Контент содержит невидимый водяной знак SynthID. Google признаёт, что модель ещё дорабатывается в части быстрых спортивных движений, резких смен сцен и сложной физики.