Google анонсировала Gemini Omni 1.2 Flash, новую мультимодальную модель ИИ, предлагающую нативную генерацию и редактирование 15-секундных видео, а также снижение цены на свой Flash API на 30%, что делает создание более длинного видеоконтента более доступным и экономически выгодным для AI-художников и разработчиков.
Ключевые выводы
- Gemini Omni 1.2 Flash теперь нативно поддерживает генерацию и редактирование видеоклипов длиной до 15 секунд, что является значительным улучшением по сравнению с предыдущими возможностями.
- Новая модель обещает улучшенную временную согласованность между сгенерированными кадрами, решая общую проблему в AI-видео.
- Google снижает цены на свой Flash API на 30%, делая его более доступным для создателей, желающих экспериментировать с AI-видеопроектами и масштабировать их.
- Обновление сосредоточено на улучшении мультимодального понимания, позволяя ИИ лучше интерпретировать и генерировать контент из сложных видеозапросов.
Нативная генерация и редактирование 15-секундного видео
Главной особенностью Gemini Omni 1.2 Flash является нативная поддержка генерации и редактирования видеоклипов длиной до 15 секунд. Это критически важное событие для создателей AI-видео, которые часто сталкиваются с ограничениями по длительности клипов и фрагментированными рабочими процессами, требующими сшивания более коротких сегментов. Способность модели нативно обрабатывать более длинные последовательности должна упростить творческий процесс, позволяя создавать более связные сюжетные линии в рамках одной генерации. Ранее достижение такой длины часто требовало сложного промптинга и постобработки, что значительно увеличивало накладные расходы в рабочем процессе создателя.
Google заявляет, что модель также обеспечивает улучшенную временную согласованность — постоянную проблему в генерации AI-видео, когда объекты или персонажи могут беспорядочно менять внешний вид между кадрами. Хотя независимые тесты подтвердят степень этого улучшения, лучшая согласованность означает меньше ручной очистки и потенциально более высокое качество результатов непосредственно из модели, что является прямым преимуществом для всех, кто генерирует анимированных персонажей или динамические сцены.
Снижение цены на Flash API на 30%
Наряду с новыми возможностями Google снижает цену на свой Flash API на 30%. Это делает модель более конкурентоспособным вариантом для создателей, чувствительных к вычислительным затратам, особенно при экспериментировании с более длинными видеогенерациями или итерациях промптов. Для тех, кто использует инструменты AI-видео для коммерческих проектов, это снижение стоимости может значительно повлиять на бюджеты проектов и прибыльность. Более низкий порог входа также может стимулировать более широкое внедрение среди независимых художников и небольших студий, стремящихся использовать ИИ для видеопроизводства без непомерных затрат. Более доступный доступ к API также может означать, что создатели могут чаще итерировать, уточняя свои промпты и результаты, не постоянно следя за своим бюджетом, что является ключевым фактором в творческом поиске. Вы можете изучить текущие структуры ценообразования для различных моделей ИИ, чтобы понять ландшафт доступных вариантов для ваших проектов на нашей странице /pricing.
Улучшенное мультимодальное понимание для сложных промптов
Gemini Omni 1.2 Flash также отличается улучшенным мультимодальным пониманием. Это означает, что модель разработана для лучшей интерпретации сложных промптов, которые объединяют текст, изображения, а теперь и видеовходы. Для AI-художников это означает более тонкий контроль над их генерациями. Вместо того чтобы полагаться исключительно на текстовые описания, создатели могут предоставлять эталонные изображения или даже короткие видеоклипы, чтобы направлять ИИ, что приводит к результатам, которые более точно соответствуют их творческому видению. Это особенно полезно для поддержания определенных визуальных стилей, дизайнов персонажей или паттернов движения в различных сгенерированных последовательностях.
Это обновление следует за другими недавними достижениями в области AI-видео, такими как интеграция OpenAI генерации GIF в ChatGPT с Images 2.6, позволяющая создавать прямую анимацию из текстовых промптов. По мере того как модели, подобные Gemini Omni 1.2 Flash, продолжают развиваться, способность генерировать более длинный, более согласованный видеоконтент по более низкой цене, вероятно, расширит границы возможного для визуального повествования на основе ИИ. Создатели, заинтересованные в использовании этих новых возможностей, могут изучить различные модели и их функции в нашем /catalog инструментов генерации ИИ.
