الملخص:
في 6 نوفمبر، أطلقت شركة Google رسميًا نموذج توليد الفيديو Gemini Omni 1.2 Flash يوم الخميس. يدعم النموذج إنشاء فيديو أصلي مدته 15 ثانية وتحريره من خلال جولات متعددة من الحوار. السعر أقل بنسبة 30% من الجيل السابق.
جيميني أومني 1.2 فلاش
قالت Google إن برنامج Gemini Omni 1.2 Flash يتم طرحه من خلال Gemini API وGoogle AI Studio وGoogle Cloud Console وFlow وGoogle Vids وتطبيقات Gemini لمشتركي Google AI Ultra وإعلانات Google. يتم وضع علامة مائية على كل مقطع فيديو تم إنشاؤه باستخدام SynthID غير محسوس للإشارة إلى أصله.
يمكن الآن ضبط طول مقاطع الفيديو التي تم إنشاؤها بواسطة النموذج من 3 إلى 15 ثانية، مقارنة بالحد الأقصى السابق البالغ 10 ثوانٍ. وفي الوقت نفسه، تم تخفيض سعر إنشاء الفيديو بدقة 720 بكسل بنسبة 30% ليصل إلى 0.07 دولار في الثانية. يمكن للمستخدمين أيضًا تحرير الفيديو الذي تم إنشاؤه من خلال المحادثات الجارية.
إحدى ميزاته البارزة هي ما تسميه Google "تحرير المحادثة". يمكن للمستخدمين ضبط الفيديو الذي تم إنشاؤه تدريجيًا من خلال جولات متعددة من الحوار، مثل تغيير الخلفية أو ضبط الإضاءة أو تعديل نسبة العرض إلى الارتفاع، دون إعادة إنشاء الفيديو بأكمله. تقول Google إن هذه الميزة تدعم تحرير مقاطع فيديو كاملة مدتها 15 ثانية.
بالإضافة إلى سير العمل الهرمي، من المتوقع أيضًا أن تؤدي هذه الميزة إلى تقليل تكاليف الإنتاج. يقوم المستخدمون أولاً بإنشاء مسودة أولية بدقة 360 بكسل أو 720 بكسل، ثم تصحيح التفاصيل الفردية من خلال التحرير اللاحق، وأخيرًا تحويل الفيلم النهائي فقط لزيادة الدقة إلى 1080 بكسل أو 4K.
ذكرت Google أيضًا أنه تم أيضًا تحسين قدرة النموذج على متابعة المواد المرجعية بشكل ملحوظ. وفقًا للإعلان الرسمي، يمكن للمستخدمين إدخال صور الشخصيات وصور المنتجات ومقاطع الفيديو القصيرة التي تصل مدتها إلى 3 ثوانٍ والمطالبات الصوتية. يمكن للنموذج الحفاظ على تناسق وجوه الشخصيات وملابسها والنصوص الموجودة على عبوة المنتج ومطابقة ألوان العلامة التجارية تحت زوايا التصوير المختلفة.
تم تحسين القدرة على متابعة المواد بشكل ملحوظ
تأخذ Google مقطعًا تجريبيًا افتراضيًا كمثال: باستخدام صورة عارضة واحدة فقط وصور منتج لثلاث مجموعات من الملابس، يمكن للعارضة إنشاء مشهد متواصل مدته 15 ثانية يتضمن دورانًا بزاوية 360 درجة، مع الحفاظ على هوية العارضة وقصة كل قطعة من الملابس وثنيها.
وفي الوقت نفسه، تم أيضًا تحسين الاتساق البصري العام. وقالت جوجل إنه بالمقارنة مع طراز الجيل السابق، فإن النموذج الجديد لديه انحراف بصري وتشوه أقل أثناء حركة الشاشة وتبديل العدسات.
بالإضافة إلى ذلك، يمكن لـ Gemini Omni 1.2 Flash إنشاء كلام محادثة أكثر سلاسة وطبيعية، ويكون تأثير المزامنة لشكل الفم والكلام أكثر دقة، كما أن لديه القدرة على التمييز بين عدة مكبرات صوت مختلفة.
يتمتع الطراز أيضًا بقدرة أفضل على التعامل مع حركات الكاميرا المعقدة والمستمرة، مثل لقطات طيران طائرة بدون طيار FPV أو لقطات التكبير/التصغير السريعة ذات التأثير البصري القوي، ويقلل بشكل كبير من قطع القفزات غير الضرورية.
التعليقات