معرفی Gemini Omni 1.2 Flash؛ ابزاری سریع‌تر و به‌صرفه‌تر برای تولید ویدیو

شرکت گوگل از جدیدترین مدل هوش مصنوعی خود با نام Gemini Omni 1.2 Flash رونمایی کرد که به طور ویژه برای نیازهای تولید محتوای ویدیویی در مقیاس بالا طراحی شده است. این مدل با کاهش ۳۰ درصدی هزینه‌ها نسبت به نسخه پیشین، اکنون با قیمت ۰.۰۷ دلار برای هر ثانیه ویدیوی 720p عرضه می‌شود. علاوه بر صرفه اقتصادی، گوگل تاکید کرده است که کاربران می‌توانند فرایند تولید را بهینه‌سازی کنند؛ به طوری که امکان پیش‌نویس سریع با کیفیت پایین‌تر و ویرایش جزئیات وجود دارد و سپس خروجی نهایی می‌تواند تا رزولوشن 4K ارتقا یابد.

یکی از مهم‌ترین ارتقاهای این نسخه، افزایش مدت زمان تولید ویدیو به ۱۵ ثانیه است که دست کاربران را برای خلق داستان‌های کامل‌تر یا تبلیغات اجتماعی باز می‌گذارد. همچنین Gemini Omni 1.2 Flash در حفظ ثبات بصری نیز پیشرفت قابل‌توجهی داشته است. این مدل اکنون می‌تواند جزئیاتی مانند چهره‌ها، رنگ‌های سازمانی و تایپوگرافی را در طول ویدیو و با تغییر زوایای دوربین ثابت نگه دارد که این موضوع برای استفاده در تبلیغات و نمونه‌سازی محصولات مجازی بسیار حیاتی است.

قابلیت ویرایش مکالمه‌محور نیز در این نسخه بهبود یافته است. کاربران می‌توانند بدون نیاز به بازسازی کل ویدیو، تنها با یک دستور متنی ساده در طول گفتگو، پس‌زمینه، نورپردازی یا موضوعات دیگر را تغییر دهند. این ویژگی به کسب‌وکارها اجازه می‌دهد تا به راحتی نسخه‌های مختلفی از یک ویدیو را برای مخاطبان متفاوت تولید کنند. همچنین در زمینه هماهنگی گفتار و حرکت لب (Lip-sync)، این مدل اکنون عملکرد روان‌تر و طبیعی‌تری را ارائه می‌دهد.

در نهایت، Gemini Omni 1.2 Flash برای طیف وسیعی از کاربران، از توسعه‌دهندگان تا کسب‌وکارهای بزرگ، عرضه شده است. این مدل اکنون در API رسمی Gemini، کنسول Google Cloud، ابزار Google Vids و اپلیکیشن Gemini در دسترس قرار گرفته است. گوگل همچنین با استفاده از زیرساخت‌های ابری خود، امنیت و کیفیت سازمانی را برای این ابزار تضمین کرده است و خروجی‌ها با واترمارک دیجیتال SynthID همراه خواهند بود.