Gemini Omni 1.2 Flash: клипы до 15 секунд и сниженная цена

По данным Google, компания выпустила модель Gemini Omni 1.2 Flash, которая создаёт видео длительностью до 15 секунд, лучше сохраняет заданные образы и позволяет редактировать ролики в режиме многоходового диалога. Обновление также снижает стоимость генерации на 30%. Модель доступна через Gemini API, Google Vids и Gemini for business, что, по словам компании, позволяет выпускать качественный видеоконтент в больших объёмах. Ранее максимальная длина клипа в Gemini Omni 1.1 составляла 10 секунд. Теперь длительность можно задавать с шагом в одну секунду от 3 до 15 секунд, что позволяет рассказывать законченные истории, делать объяснительные ролики о продуктах и создавать полноценные социальные рекламные вставки за одну генерацию. Стоимость создания видео в разрешении 720p составляет 0,07 доллара за секунду. Сохранение референсов тоже улучшено. Модель может опираться на изображения персонажей, продуктов и стиля, короткие фрагменты движения длительностью до трёх секунд и аудиоподсказки. Лица, одежда, типографика на упаковке и фирменные цвета остаются стабильными при смене ракурсов камеры. Это упрощает создание роликов виртуальной примерки, каталожных вращений и брендированной видеорекламы на основе существующих фотографий товаров. В примере из материала по одному фото модели и трём комплектам одежды создаётся 15-секундная последовательность примерки с поворотами на 360 градусов. Экономичность обеспечивается рабочим процессом: черновик можно быстро получить в разрешении 360p или 720p, исправить деталь последующей правкой, не перегенерируя весь клип, а лучшие варианты затем масштабировать до 1080p или 4K. Редактирование в диалоге стало удобнее. Ролик можно дорабатывать поэтапно: менять товар или фон, освещение, погоду или соотношение сторон, не начиная работу заново. Такой подход работает на полных 15-секундных клипах и помогает быстро создавать варианты рекламы для разных аудиторий и площадок. В примере из материала фон одного сгенерированного ролика последовательно меняется с полосатого шатра на дубовый лес, конюшню, ярмарку и каменный замок, при этом выступление персонажей и кадрировка сохраняются. Речь в видео также стала более естественной: диалоги звучат плавнее, синхронизация губ точнее, а модель различает голоса нескольких говорящих. По словам Google, это касается как многоперсонажных диалогов во Flow, так и видеообъяснений в Gemini for business и роликов с аватарами, музыкой и закадровым голосом в Google Vids. Кроме того, компания улучшила работу с камерой: модель выполняет сложные непрерывные движения, включая пролёты от первого лица, наезды и орбитальные съёмки, с заметно меньшим числом нежелательных склеек и более плавным масштабом. Согласованность персонажей, текста и объектов сохраняется от первого до последнего кадра, в том числе при переходах между кадрами. Модель уже доступна для бизнеса, стартапов и креативных специалистов. Gemini Omni 1.2 Flash работает с Provisioned Throughput, а результаты помечаются незаметным водяным знаком SynthID. Google отмечает, что дальнейшая работа продолжается над улучшением быстрых спортивных сцен, резкой смены сценария и сложной физики. Разработчики могут опробовать модель в Google AI Studio, а предприятия — в консоли Google Cloud. Пользователи Google Vids получают 15-секундные клипы без дополнительной оплаты при наличии аккаунта Google или подписки Google Workspace. Видео в приложении Gemini пока доступны подписчикам Google AI Ultra, а в Google Ads появилась возможность масштабировать видеокампании. Материал подготовлен нейросетью на основе оригинальной публикации. ИИ может ошибаться в деталях (цифры, имена, даты, цитаты) — для важной информации сверяйтесь с первоисточником.