Gemini Omni 1.2 Flash generuje až 15sekundová videa. Za 720p zaplatíte o 30 % méně
Google vydal novou verzi svého rychlého videomodelu. Klipy jsou delší, mluvené postavy mají lepší synchronizaci rtů a videa jde upravovat v několika krocích konverzací. Kvantitativní benchmarky Google nezveřejnil.
Tento článek vznikl zpracováním veřejně dostupných zdrojů pomocí AI nástrojů. Každý text se snažím přečíst a věcně zkontrolovat, ale ne vždy to zvládnu. Prosím, berte na to ohled a informace si ověřujte v původních zdrojích (níže).
Tento článek vznikl zpracováním veřejně dostupných zdrojů pomocí AI nástrojů. Každý text se snažím přečíst a věcně zkontrolovat, ale ne vždy to zvládnu. Prosím, berte na to ohled a informace si ověřujte v původních zdrojích (níže).
Google 5. listopadu vydal Gemini Omni 1.2 Flash, novou verzi svého rychlého a levnějšího modelu pro generování videa. Klipy mohou nově trvat až 15 sekund místo 10 a délku jde nastavit po sekundách v rozmezí 3 až 15 sekund.
Co je nového
Oproti verzi 1.1 Google uvádí:
- Delší klipy: až 15 sekund.
- Úpravy konverzací: video jde upravovat v několika krocích, podobně jako text v chatu.
- Lepší řeč: přirozenější mluva, lepší synchronizace rtů a zvládnutí více mluvčích v jednom klipu.
- Stabilnější obraz: menší rozdíly mezi snímky a plynulejší pohyb kamery s méně skoky ve střihu.
- Věrnější předlohy: model se přesněji drží referenčních obrázků.
Video ve 720p stojí 0,07 USD za sekundu, o 30 % méně než u verze 1.1. Google doporučuje pracovní postup na úsporu: návrh vygenerovat v 360p nebo 720p, doladit ho dalšími úpravami a teprve hotový výsledek zvětšit na 1080p nebo 4K.
Kde je dostupný
Model je v Gemini API a Google AI Studiu, v Google Cloudu, v nástroji Flow pro režii scén, v Google Vids, kde jsou 15sekundové klipy bez příplatku pro účty Google i předplatitele Workspace, a v reklamách Google Ads. Do aplikace Gemini se postupně dostává předplatitelům Google AI Ultra. Všechna videa nesou neviditelný vodoznak SynthID.
Limity
Google nezveřejnil žádné kvantitativní benchmarky. Zlepšení dokládá jen ukázkami, například srovnáním s verzí 1.1 na zadání plakátu. Sám přiznává, že model má stále potíže s rychlou sportovní akcí, prudkými změnami scénáře a složitou fyzikou.
Co to znamená v praxi
Pro marketingové týmy a tvůrce krátkých formátů je důležitější cena a délka než kvalita jednoho snímku. Patnáct sekund pokryje většinu reklamních spotů a krátkých videí na sociální sítě. Úpravy v několika krocích přibližují práci s videem běžnému chatu: místo nového generování od nuly se dá říct „změň pozadí“ nebo „ať mluví pomaleji“. Bez nezávislých testů ale zůstává otevřené, jak si model stojí proti konkurenci.