Google kertoi 5. marraskuuta blogissaan, että videomallin uusi versio Gemini Omni 1.2 Flash on nyt yleisesti saatavilla. Edellinen versio Omni 1.1 teki enintään 10 sekunnin leikkeitä. Uudessa versiossa leikkeen pituuden voi valita sekunnin tarkkuudella 3 ja 15 sekunnin väliltä.

MarkTechPostin mukaan malli ottaa vastaan tekstiä, kuvia, lyhyitä videoleikkeitä ja ääntä ja tuottaa äänellisen videon.

Muokkaus keskustelemalla ja halvempi työnkulku

Käyttäjä voi pyytää samaan leikkeeseen muutoksia vuoro vuorolta, esimerkiksi vaihtaa tuotteen, taustan, valaistuksen tai kuvasuhteen. Googlen mukaan tämä toimii koko 15 sekunnin leikkeessä. MarkTechPostin mukaan rajapinnassa jatkomuokkaus liitetään tunnisteella edelliseen pyyntöön, joten videota ei tarvitse ladata uudelleen.

Googlen mukaan hinta on 30 prosenttia alempi kuin Omni 1.1:ssä, 0,07 dollaria 720p-videon sekunnilta. The Next Webin mukaan Gemini API:ssa hinta oli kesäkuussa 0,10 dollaria sekunnilta. MarkTechPostin laskelman mukaan täysi 15 sekunnin 720p-leike maksaa noin 1,05 dollaria.

Kulujen hillitsemiseksi Google neuvoo tekemään luonnoksen 360p- tai 720p-tarkkuudella, korjaamaan yksityiskohdan jatkomuokkauksella ja skaalaamaan vain parhaan tuloksen 1080p- tai 4K-tarkkuuteen.

Laatuväitteet perustuvat Googlen esimerkkeihin

Kun kameran kulma vaihtuu, malli pitää Googlen mukaan aiempaa paremmin ennallaan kasvot, vaatteet, pakkausten tekstit ja brändivärit. Mallille voi antaa ohjeeksi hahmo-, tuote- tai tyylikuvia, enintään kolmen sekunnin liikeleikkeitä ja ääntä. Yhtiön mukaan myös huulisynkronointi on selkeämpää, ja jatkuvissa kameranliikkeissä on vähemmän ei-toivottuja leikkauksia.

Google esittää parannukset omilla esimerkkivideoillaan, joissa versiota 1.2 verrataan versioon 1.1. MarkTechPostin mukaan Google ei ole julkaissut 1.2:n vertailutestien tuloksia. The Next Web kertoo, että Google DeepMindin omissa vertailuissa arvioijat pitivät 1.2:ta visuaalisesti yhtenäisempänä kuin 1.1:tä 62 prosentissa tapauksista. Googlen blogissa lukua ei mainita.

Google myöntää, että mallissa on vielä parannettavaa nopeiden urheiluliikkeiden, käsikirjoituksen nopeiden vaihdosten ja monimutkaisen fysiikan kuvaamisessa. The Next Web huomauttaa, että ByteDancen kesäkuussa esittelemä Seedance 2.5 tekee 30 sekunnin leikkeitä.

Saatavuus

Kehittäjät voivat käyttää mallia Gemini API:n ja Google AI Studion kautta ja yritykset Google Cloudissa. Googlen mukaan Omni on Google Cloudissa nyt ensimmäistä kertaa yleisesti saatavilla. MarkTechPostin mukaan Google Cloudissa vain erikseen hyväksytyt käyttäjät voivat yhä antaa mallille ääntä ohjeeksi.

Googlen omista sovelluksista malli tulee luovaan Flow-työkaluun, Google Adsiin ja Google Vidsiin. Vidsissä 15 sekunnin leikkeitä voi tehdä ilman lisämaksua Google-tilillä tai Workspace-tilauksella. Gemini-sovellukseen malli tulee vähitellen Google AI Ultra -tilaajille. Videoihin lisätään näkymätön SynthID-vesileima.