Google je konec avgusta predstavil model Gemini Omni 1.1 Flash, ki je v primerjavi s predhodnim modelom Omni prinesel velik napredek. Zdaj je orodje doživelo še eno obsežno posodobitev: prispel je Omni 1.2 Flash, doslej najboljši večmodalni model za ustvarjanje videoposnetkov iz Google DeepMind.
Pomembna novost modela Gemini 1.1 Flash je bila možnost zaporednega povezovanja več 10-sekundnih odsekov, kar je omogočilo ustvarjanje do 40-sekundnih prizorov. Z modelom Omni 1.2 Flash je mogoče v enem kosu ustvariti že 50 % daljše, 15-sekundne videoposnetke, možnost podaljševanja pa ostaja.
Pomembna novost je tudi to, da lahko uporabniki odslej ustvarjajo in urejajo videoposnetke, dolge od 3 do 15 sekund. Doslej dolžine ustvarjenih videoposnetkov ni bilo mogoče prilagajati, zdaj pa bo Gemini Omni pri tem precej prožnejši. Dolžino je mogoče nastaviti s preprostim drsnikom v korakih po eno sekundo.
Omni 1.2 Flash med premikanjem kamere in hitrimi prehodi še zanesljiveje ohranja videz likov in predmetov ter prostorsko in fizikalno doslednost okolja v ozadju. S tem kar najbolj zmanjšuje vizualna odstopanja in nenaravno popačenje oblik, značilna za videoposnetke, ustvarjene z umetno inteligenco. Sistem zanesljivo poveže prvi in zadnji kader, prav tako uspešno pa obstoječemu posnetku dodaja nove prizore, ne da bi se pri tem spremenile obrazne poteze likov ali okolje.
Posodobitev namenja posebno pozornost komercialni in oglaševalski rabi, kar pri Googlu sploh ne preseneča. Gemini Omni 1.2 Flash lahko združuje obstoječe fotografije likov, izdelkov ali slogovnih referenc ter kratke, tudi zgolj 3-sekundne vzorčne videoposnetke in zvočne signale. Sistem tudi ob spremembah kota kamere ohranja podrobnosti oblačil in drugih izdelkov, napise na embalaži ter natančne barve blagovnih znamk. Zato je idealen tudi za virtualne garderobe ali 360-stopinjske predstavitve izdelkov.
Gemini Omni 1.2 Flash v prvem poskusu ne ustvari želenega rezultata? Nič hudega, uporabnikom zaradi sprememb posnetka ni treba znova začeti ustvarjanja. Z dodatnimi preprostimi besedilnimi navodili v klepetu lahko neposredno zamenjajo izdelek ali okolje v ozadju, spremenijo osvetlitev, prilagodijo vremenske razmere ali spremenijo razmerje stranic celotnega videoposnetka.
Gemini Omni 1.2 Flash prinaša velik napredek tudi pri usklajevanju slike in zvoka, ki se bosta precej bolj naravno ujemala. Pri tem ne gre več le za sinhronizacijo, temveč tudi za boljše prilagajanje zvočne podobe slogu prizora. Poleg tega lahko videoposnetek zdaj vsebuje več ločenih zvočnih stez in več govorcev, pri čemer orodje govor posameznih likov ustvari na ločenih stezah.
Model Gemini Omni 1.2 Flash deluje na infrastrukturi in varnostnih sistemih Google Cloud, namenjenih poslovnim uporabnikom. Podjetje je poudarilo tudi, da bodo vsi ustvarjeni videoposnetki opremljeni z njegovim lastnim, a splošno sprejetim vodnim žigom SynthID. Različne platforme bodo tako lahko samodejno označevale vsebine, ustvarjene z umetno inteligenco, da bi preprečevale in obravnavale zlorabe.
Zaradi tehnoloških optimizacij je uporaba modela Gemini Omni 1.2 Flash postala občutno cenejša. Stroški ustvarjanja videoposnetkov so se v primerjavi s prejšnjimi znižali za 30 odstotkov. Pri ločljivosti 720p HD delo z novim orodjem stane le še 0,07 dolarja na sekundo. Podjetje je povedalo, da za večjo učinkovitost ponuja več orodij. Osnutke je denimo mogoče hitro in poceni ustvarjati tudi v ločljivosti 360p, nato pa ustrezen posnetek povečati na ločljivost Full HD ali celo 4K.
Gemini Omni 1.2 Flash je takoj postal splošno dostopen prek vmesnika Gemini API, platforme Google Cloud Vertex AI, platforme Gemini za podjetja in orodja Google Vids. Poudariti pa je treba, da je za dostop potrebna vsaj naročnina Google AI Pro, medtem ko paket AI Ultra omogoča več svobode pri uporabi. Gemini Omni 1.1 Flash bo v celoti umaknjen, vendar bo Google omogočil nekajtedensko prehodno obdobje, da bodo lahko vsi nemoteno prešli na novi model.
