Как сообщает Google, компания выпустила видеомодель Gemini Omni 1.2 Flash и открыла к ней общий доступ через Gemini API и в продукте Gemini for business. Модель генерирует ролики длиной до 15 секунд вместо 10 у предыдущей версии, а длительность можно задавать с шагом в одну секунду — от 3 до 15 секунд.
Генерация подешевела на 30% по сравнению с Gemini Omni 1.1 и стоит $0,07 за секунду видео в разрешении 720p. Для экономии Google советует делать черновики в 360p или 720p, вносить точечные правки вместо перегенерации всего клипа и повышать разрешение (апскейл) только финальных версий — до 1080p или 4K.
Модель точнее следует референсам: в запросе можно сочетать изображения персонажей, товаров и стиля, видеофрагменты до трёх секунд и аудиоподсказки. По словам Google, лица, одежда, надписи на упаковке и фирменные цвета сохраняются на всём протяжении ролика — это позволяет превращать фото товаров и листы персонажей в рекламные видео и «виртуальные примерки».
Правки стали диалоговыми: фон, освещение, погоду или формат кадра можно менять пошагово в одном и том же клипе, не начиная генерацию заново, — так проще выпускать варианты рекламы под разные аудитории и площадки. Улучшились также речь и синхронизация губ при диалогах нескольких персонажей, а движения камеры стали плавнее и «кинематографичнее», с меньшим числом нежелательных склеек.
Впервые линейка Gemini Omni стала общедоступной для корпоративного использования на инфраструктуре Google Cloud, с возможностью выделенной пропускной способности Provisioned Throughput; все результаты помечаются незаметным водяным знаком SynthID. В Google Vids 15-секундные ролики доступны без доплаты владельцам аккаунта Google или подписки Google Workspace, в приложении Gemini функция постепенно внедряется для подписчиков Google AI Ultra; модель также работает в Flow и Google Ads.
Google отмечает, что работа над моделью продолжается: в числе слабых мест — быстрое спортивное движение, резкие изменения сценария и сложная физика.
