گوگل از مدل Gemini Omni 1.2 Flash رونمایی کرد؛ سریع‌تر، ارزان‌تر و هوشمندتر

گوگل مدل هوش مصنوعی Gemini Omni 1.2 Flash را با قابلیت ساخت ویدیوهای ۱۵ ثانیه‌ای، ویرایش گفت‌وگومحور و کاهش ۳۰ درصدی قیمت منتشر کرد.

گوگل با انتشار مدل جدید Gemini Omni 1.2 Flash امکان ساخت مستقیم ویدیوهای باکیفیت تا سقف ۱۵ ثانیه را برای توسعه‌دهندگان و کاربران تجاری فراهم کرد.

مدل یادشده ثبات شخصیت‌ها، سوژه‌ها و سبک بصری را در طول فیلم حفظ می‌کند و کنترل دقیق‌تری به سازندگان محتوا می‌دهد.

گوگل می‌گوید هزینه‌ی استفاده از نسل جدید در مقایسه با Gemini Omni 1.1 حدود ۳۰ درصد کاهش یافته است و کاربران می‌توانند ویدیوهای 720p را با نرخ ۰٫۰۷ دلار به ازای هر ثانیه تولید کنند.

مدت‌زمان کلیپ‌ها نیز که پیش‌تر به ۱۰ ثانیه محدود بود، اکنون با گام‌های یک‌ثانیه‌ای بین ۳ تا ۱۵ ثانیه تنظیم می‌شود تا فرایند ساخت تبلیغات و معرفی کالا آسان‌تر شود.

ویژگی شاخص دیگر مدل، قابلیت ویرایش گفت‌وگومحور چندمرحله‌ای به شمار می‌رود که نیاز به بازتولید کل ویدیو برای اصلاح یک جزئیات کوچک را از بین می‌برد.

کاربران بدون نیاز به شروع دوباره می‌توانند زاویه‌ی دوربین، شرایط آب‌وهوا، نورپردازی یا پس‌زمینه را مرحله‌به‌مرحله تغییر دهند؛ برای نمونه، صحنه‌ای با دو شخصیت می‌تواند بدون تغییر در جزئیات زره یا کادربندی از یک چادر به جنگل، اصطبل یا قلعه‌ی سنگی تغییر فضا دهد.

فناوری جدید با پشتیبانی از تصویر چهره و نمونه‌های صوتی کوتاه یک‌ثانیه‌ای، هماهنگی حرکت لب‌ها با کلام را ارتقا داده و صداگذاری چند شخصیت مجزا را به‌شکل طبیعی اجرا می‌کند. خروجی‌های این مدل در سرویس‌های ابری گوگل همراه با واترمارک نامرئی SynthID ارائه می‌شوند و توسعه‌دهندگان می‌توانند از طریق Google AI Studio به رابط کاربری برنامه‌نویسی آن دسترسی داشته باشند.