Den nya versionen av Googles videomodell, Gemini Omni 1.2 Flash, är nu allmänt tillgänglig. Det skrev Google i ett blogginlägg den 5 november. Den föregående versionen Omni 1.1 skapade klipp på högst 10 sekunder. I den nya versionen kan klippets längd väljas sekundvis mellan 3 och 15 sekunder.

Modellen tar emot text, bilder, korta videoklipp och ljud och skapar video med ljud, uppger MarkTechPost.

Redigering i dialog och billigare arbetsflöde

Användaren kan be om ändringar i samma klipp steg för steg, till exempel byta produkt, bakgrund, belysning eller bildformat. Enligt Google fungerar detta i hela klippet på 15 sekunder. I API:et kopplas en uppföljande redigering till den föregående förfrågan med en identifierare, skriver MarkTechPost. Videon behöver därför inte laddas upp på nytt.

Priset är 0,07 dollar per sekund för video i 720p, 30 procent lägre än för Omni 1.1, uppger Google. I Gemini API var priset 0,10 dollar per sekund i juni, skriver The Next Web. Ett fullt klipp på 15 sekunder i 720p kostar ungefär 1,05 dollar, enligt MarkTechPosts beräkning.

För att hålla nere kostnaderna rekommenderar Google att man gör ett utkast i 360p eller 720p, rättar en detalj med en uppföljande redigering och bara skalar upp det bästa resultatet till 1080p eller 4K.

Kvalitetspåståendena bygger på Googles exempel

När kameravinkeln byts behåller modellen enligt Google ansikten, kläder, text på förpackningar och varumärkesfärger bättre än tidigare. Modellen kan styras med referensbilder av karaktärer, produkter eller stil, rörelseklipp på högst tre sekunder och ljud. Läppsynkroniseringen är också tydligare, och kontinuerliga kamerarörelser har färre oönskade klipp, uppger företaget.

Google visar förbättringarna med egna exempelvideor där version 1.2 jämförs med version 1.1. Google har inte publicerat resultat från benchmarkar för 1.2, skriver MarkTechPost. I Google DeepMinds egna jämförelser ansåg bedömarna att 1.2 var visuellt mer enhetlig än 1.1 i 62 procent av fallen, uppger The Next Web. Googles blogg nämner inte siffran.

Google medger att modellen fortfarande kan förbättras när det gäller att skildra snabba idrottsrörelser, snabba växlingar i manuset och komplex fysik. ByteDances Seedance 2.5, som presenterades i juni, gör klipp på 30 sekunder, påpekar The Next Web.

Tillgänglighet

Utvecklare kan använda modellen via Gemini API och Google AI Studio, och företag via Google Cloud. Enligt Google är Omni nu för första gången allmänt tillgänglig i Google Cloud. I Google Cloud kan fortfarande bara särskilt godkända användare ge modellen ljud som referens, uppger MarkTechPost.

I Googles egna appar kommer modellen till det kreativa verktyget Flow, Google Ads och Google Vids. I Vids kan klipp på 15 sekunder göras utan extra kostnad med ett Google-konto eller ett Workspace-abonnemang. I Gemini-appen rullas modellen stegvis ut för abonnenter på Google AI Ultra. Videorna får en osynlig SynthID-vattenstämpel.