Google выпустила модель Gemini Omni 1.2 Flash с поддержкой 15-секундных роликов

Подразделение Google DeepMind объявило о запуске в широкий доступ нейросети Gemini Omni 1.2 Flash, предназначенной для генерации и редактирования видеороликов. Модель стала доступна через Gemini API, платформу Google AI Studio, сервисы Google Cloud, а также в приложении Gemini для подписчиков тарифного плана Google AI Ultra.

Главным техническим нововведением стала система диалогового редактирования Conversational Editing. Инструмент позволяет корректировать созданный видеоряд с помощью последовательных текстовых команд, меняя освещение, задний план или соотношение сторон без необходимости повторной генерации всего файла. Максимальная длительность генерируемых роликов увеличилась с 10 до 15 секунд, а стоимость обработки снизилась на 30 процентов и составляет 0,07 доллара за секунду видео в разрешении 720p.

Разработчики также повысили точность воспроизведения исходных изображений. Модель способна сохранять внешность персонажей, детали одежды и элементов бренда при смене ракурсов камеры на основе загруженных референсов. Все созданные видеофайлы автоматически маркируются невидимым цифровым водяным знаком SynthID для подтверждения происхождения контента.

Источник: the-decoder