گوگل مدل ویدیویی Gemini Omni 1.2 Flash را با قیمت و قابلیت‌های جدید عرضه کرد

گوگل با هدف گسترش قابلیت‌های هوش مصنوعی مولد در حوزه ویدیو، مدل Gemini Omni 1.2 Flash را عرضه کرد. این نسخه جدید که برای تولید و ویرایش ویدیو طراحی شده، اکنون می‌تواند به‌صورت بومی کلیپ‌هایی تا سقف ۱۵ ثانیه تولید کند که نسبت به محدودیت ۱۰ ثانیه‌ای در نسخه ۱.۱، ارتقای قابل‌توجهی محسوب می‌شود. علاوه بر افزایش مدت زمان، گوگل هزینه استفاده از این سرویس را ۳۰ درصد کاهش داده و قیمت آن را به ۰.۰۷ دلار برای هر ثانیه ویدیوی 720p رسانده است.

توسعه‌دهندگان اکنون می‌توانند از قابلیت‌های ویرایش چندمرحله‌ای (Multi-turn editing) در طول کل ۱۵ ثانیه ویدیو استفاده کنند، بدون اینکه نیازی به رندر مجدد کامل پروژه باشد. این ویژگی به کاربران اجازه می‌دهد مواردی مانند نورپردازی، پس‌زمینه یا حتی اشیاء موجود در ویدیو را به تدریج تغییر دهند. گوگل همچنین اعلام کرده که مدل جدید در حفظ ثبات چهره، لباس‌ها و متن‌های موجود در تصویر در زوایای مختلف دوربین، عملکرد بسیار بهتری دارد و شاهد لرزش یا تغییر ناگهانی کمتری در خروجی نهایی هستیم.

با این حال، گوگل تأکید کرده که این مدل همچنان در پردازش صحنه‌های ورزشی سریع، تغییرات ناگهانی فیلم‌نامه و شبیه‌سازی فیزیک‌های پیچیده نیاز به بهبود دارد. Gemini Omni 1.2 Flash هم‌اکنون برای توسعه‌دهندگان از طریق Gemini API و Google Cloud در دسترس است و در سرویس‌هایی نظیر Google Vids نیز به کار گرفته می‌شود. گوگل همچنین با استفاده از فناوری SynthID، واترمارک‌های مخصوصی را روی ویدیوهای تولیدشده توسط این مدل قرار می‌دهد تا ماهیت مصنوعی آن‌ها مشخص باشد.