Google DeepMind, Gemini Omni 1.2 Flash video üretim modelini genel kullanıma sunuyor. Güncellenen model, 15 saniyeye kadar klipler oluşturabiliyor, sohbete dayalı düzenlemeyi destekliyor ve selefine kıyasla yüzde 30 daha az maliyet çıkarıyor.
Google, Gemini Omni 1.2 Flash’ın Gemini API, Google AI Studio, Google Cloud Console, Flow, Google Vids, Google AI Ultra aboneleri için Gemini uygulaması ve Google Ads üzerinden dağıtıldığını belirtiyor. Üretilen her video, kaynağını doğrulamak amacıyla gözle fark edilemeyen bir SynthID filigranı taşıyor.
Daha önce en fazla 10 saniye olan video süresi artık 3 ile 15 saniye arasına çıkarken, 720p video için fiyat yüzde 30 düşüşle saniye başına 0,07 dolara iniyor. Üretilen klipler aynı zamanda süregelen bir sohbet üzerinden de düzenlenebiliyor.
Öne çıkan niteliklerden biri, Google’ın “Conversational Editing” adını verdiği özellik. Kullanıcılar, videonun tamamını yeniden oluşturmak zorunda kalmadan arka planı, ışıklandırmayı veya en-boy oranını adım adım değiştirebiliyor. Google’a göre bu özellik, 15 saniyelik videonun tamamında kullanılabiliyor. Kademeli bir iş akışıyla birlikte kullanıldığında ise maliyetleri azaltması bekleniyor. Önce 360p veya 720p çözünürlükte taslak videolar oluşturuluyor, ardından ek bir düzenlemeyle belirli ayrıntılar düzeltiliyor. Yalnızca son aşamada nihai videonun çözünürlüğü 1080p veya 4K’ya yükseltiliyor.
Google, Referans Görsellerle Daha Tutarlı Sonuçlar Vadediyor
Google ayrıca referansa uyum konusunda belirgin bir iyileşme vadediyor. Duyuruya göre model, girdi olarak karakter görsellerini, ürün fotoğraflarını, üç saniyeye kadar kısa hareket kliplerini ve ses ipuçlarını kabul edebiliyor. Yüzlerin, kıyafetlerin, ambalaj tipografisinin ve marka renklerinin farklı kamera açılarında tutarlı kalması bekleniyor.
Google, buna örnek olarak sanal kıyafet deneme videosu gösteriyor. Model, tek bir manken fotoğrafı ve üç farklı kıyafetin ürün görsellerinden 360 derecelik dönüşler içeren 15 saniyelik bir video oluşturuyor. Bu sırada mankenin kimliğini ve her kıyafetin kesimini ve dökümünü koruyor.
Genel görsel tutarlılığın da arttığı ifade ediliyor. Google’a göre yeni model, önceki sürüme kıyasla hareketler ve kamera geçişleri sırasında daha az görsel sapma ve biçim bozulması oluşturuyor.
Tüm özellikelrin yanı sıra Gemini Omni 1.2 Flash’ın daha akıcı ve kulağa daha doğal gelen diyaloglar, daha net dudak senkronizasyonu ve birden fazla konuşmacıyı ayırt etme yeteneği sunması bekleniyor. Model ayrıca FPV drone uçuşları veya dramatik uzaklaşma (zoom-out) hareketleri gibi karmaşık ve kesintisiz kamera hareketlerini, istenmeyen ani görüntü kesmelerini önemli ölçüde azaltarak gerçekleştirebiliyor.
Kaynak: https://the-decoder.com/googles-gemini-omni-1-2-flash-stretches-ai-video-clips-to-15-seconds-and-cuts-pricing-by-30-percent/
