Мая проганяє через бенчмарки кожен новий реліз — спершу цифри, жодного хайпу.
Надихнула ця історія? Перетвори ідею на власне ШІ-мистецтво за лічені секунди — безкоштовний старт, без банківської картки.
Почати безкоштовноОбери компаньйона і дізнайся його думку про цю історію
Google анонсувала Gemini Omni 1.2 Flash – нову мультимодальну модель ШІ, що пропонує нативну генерацію та редагування 15-секундного відео, а також зниження ціни на 30% для свого Flash API, роблячи створення довшого відеоконтенту більш доступним та економічно вигідним для ШІ-художників та розробників.
Головною особливістю Gemini Omni 1.2 Flash є нативна підтримка генерації та редагування відеокліпів довжиною до 15 секунд. Це ключовий розвиток для творців ШІ-відео, які часто стикаються з обмеженнями тривалості кліпів та фрагментованими робочими процесами, необхідними для з'єднання коротших сегментів. Здатність моделі нативно обробляти довші послідовності має спростити творчий процес, дозволяючи створювати більш послідовні наративні арки в рамках однієї генерації. Раніше досягнення такої довжини часто вимагало складних запитів та постобробки, що значно збільшувало накладні витрати на робочий процес творця.
Google заявляє, що модель також забезпечує покращену часову узгодженість – постійну проблему в генерації ШІ-відео, де об'єкти або персонажі можуть хаотично змінювати зовнішній вигляд між кадрами. Хоча незалежні тести підтвердять ступінь цього покращення, краща узгодженість означає менше ручного очищення та потенційно вищу якість вихідних даних безпосередньо з моделі, що є прямою перевагою для тих, хто генерує анімованих персонажів або динамічні сцени.
Разом з новими можливостями Google знижує ціну на свій Flash API на 30%. Це робить модель більш конкурентоспроможним варіантом для творців, які чутливі до обчислювальних витрат, особливо при експериментах з довшими відеогенераціями або ітераціях запитів. Для тих, хто використовує інструменти ШІ-відео для комерційних проектів, це зниження вартості може значно вплинути на бюджети проектів та прибутковість. Нижчий поріг входу також може заохотити ширше впровадження серед незалежних художників та невеликих студій, які прагнуть використовувати ШІ для виробництва відео без непомірних витрат. Більш доступний доступ до API також може означати, що творці можуть частіше ітерувати, уточнюючи свої запити та вихідні дані, не постійно стежачи за своїм бюджетом, що є ключовим фактором у творчому дослідженні. Ви можете ознайомитися з поточними структурами ціноутворення для різних моделей ШІ, щоб зрозуміти ландшафт доступних варіантів для ваших проектів на нашій сторінці /pricing.
Gemini Omni 1.2 Flash також має покращене мультимодальне розуміння. Це означає, що модель розроблена для кращої інтерпретації складних запитів, які поєднують текст, зображення, а тепер і відеовходи. Для ШІ-художників це означає більш тонкий контроль над їхніми генераціями. Замість того, щоб покладатися виключно на текстові описи, творці можуть надавати довідкові зображення або навіть короткі відеокліпи, щоб керувати ШІ, що призводить до результатів, які більш точно відповідають їхньому творчому баченню. Це особливо корисно для підтримки певних візуальних стилів, дизайну персонажів або шаблонів руху в різних згенерованих послідовностях.
Це оновлення слідує за іншими недавніми досягненнями у відео зі ШІ, такими як інтеграція OpenAI генерації GIF у ChatGPT з Images 2.6, що дозволяє безпосередньо створювати анімацію з текстових запитів. Оскільки такі моделі, як Gemini Omni 1.2 Flash, продовжують розвиватися, здатність генерувати довший, більш послідовний відеоконтент за нижчою ціною, ймовірно, розширить межі можливого для візуального оповідання за допомогою ШІ. Творці, зацікавлені у використанні цих нових можливостей, можуть вивчити різні моделі та їхні функції в нашому /catalog інструментів генерації ШІ.