Resumo:
Em 6 de novembro, o Google lançou oficialmente o modelo de geração de vídeo Gemini Omni 1.2 Flash na quinta-feira. O modelo suporta geração e edição de vídeo nativo de 15 segundos por meio de múltiplas rodadas de diálogo. O preço é 30% menor que a geração anterior.
Gemini Omni 1.2 Flash
O Google informou que o Gemini Omni 1.2 Flash está sendo lançado por meio da Gemini API, Google AI Studio, Google Cloud Console, Flow, Google Vids, aplicativos Gemini para assinantes do Google AI Ultra e Google Ads. Cada vídeo gerado possui uma marca d'água com um SynthID imperceptível para indicar sua origem.
A duração dos videoclipes gerados pelo modelo agora pode ser definida de 3 a 15 segundos, acima do máximo anterior de 10 segundos. Ao mesmo tempo, o preço da geração de vídeo 720p foi reduzido em 30%, para US$ 0,07 por segundo. Os usuários também podem editar o vídeo gerado por meio de conversas contínuas.
Um de seus recursos de destaque é o que o Google chama de "Edição Conversacional". Os usuários podem ajustar gradualmente o vídeo gerado por meio de múltiplas rodadas de diálogo, como alterar o fundo, ajustar a iluminação ou modificar a proporção, sem regenerar o vídeo inteiro. O Google afirma que esse recurso oferece suporte à edição de vídeos completos de 15 segundos.
Combinado com fluxos de trabalho hierárquicos, esse recurso também deverá reduzir os custos de produção. Os usuários primeiro geram um primeiro rascunho com resolução de 360p ou 720p, depois corrigem detalhes individuais por meio de edição subsequente e, por fim, apenas convertem o filme final para aumentar a resolução para 1080p ou 4K.
O Google também afirmou que a capacidade do modelo de seguir materiais de referência também foi significativamente melhorada. De acordo com o anúncio oficial, os usuários podem inserir imagens de personagens, fotos de produtos, videoclipes curtos de até 3 segundos e avisos de áudio. O modelo pode manter a consistência dos rostos dos personagens, roupas, texto na embalagem do produto e correspondência de cores da marca sob diferentes ângulos de filmagem.
A capacidade de acompanhar o material foi significativamente melhorada
O Google toma como exemplo um segmento de experimentação virtual: com apenas uma foto de modelo e imagens de produtos de três conjuntos de roupas, o modelo pode gerar uma cena contínua de 15 segundos que inclui um giro de 360 graus, mantendo a identidade do modelo e o corte e drapeado de cada peça de roupa.
Ao mesmo tempo, a consistência visual geral também foi melhorada. O Google disse que, em comparação com o modelo da geração anterior, o novo modelo apresenta menos desvio visual e deformação durante o movimento da tela e troca de lente.
Além disso, o Gemini Omni 1.2 Flash pode gerar uma fala de conversação mais suave e natural, o efeito de sincronização do formato da boca e da fala é mais preciso e também tem a capacidade de distinguir vários alto-falantes diferentes.
O modelo também é mais capaz de lidar com movimentos de câmera complexos e contínuos, como fotos de voo de drone FPV ou fotos de zoom rápido com forte impacto visual, e reduz significativamente cortes de salto desnecessários.
Comentários