Gemini Omni 1.1 Flash: hosszabb és következetesebb AI-videók készülhetnek
A Gemini Omni 1.1 Flash új szintre emelheti az AI-videók készítését. A Google modellje hosszabb jeleneteket, pontosabb átmeneteket és olcsóbb előnézeteket kínál.
Rövid AI-videót ma már több eszköz is képes létrehozni. Az igazi kihívást azonban a következetesség jelenti. A szereplők, a helyszínek és a kameramozgások gyakran változnak jelenetről jelenetre.
Több előzményt képes megjegyezni
A Gemini Omni 1.1 Flash egyik legfontosabb újdonsága a jobb jelenetfolytatás. A modell akár 10 másodpercnyi korábbi videót is figyelembe vehet.
Ez jelentős előrelépés az egyetlen utolsó képkockára épülő megoldásokhoz képest. A rendszer így jobban felismerheti a szereplők megjelenését és a környezet jellemzőit.
A videókat 10 másodperces szakaszokkal lehet meghosszabbítani. A teljes hossz legfeljebb 40 másodperc lehet. Ez még rövid filmnek számít, de már történetszerű jelenetekre is elegendő lehet.
Az első és az utolsó képkocka is megadható
Az alkotók kijelölhetik egy jelenet kezdő- és záróképét. Gemini ezután létrehozza a két pont közötti átmenetet.
Ez jól jöhet lassú zoomoknál, összetettebb kameramozgásoknál vagy ismétlődő videók készítésénél. A cél a természetesebb átmenet, látható ugrás nélkül.
Videós referenciák használatára is van lehetőség. A fejlesztők legfeljebb három másodpercnyi meglévő felvételt adhatnak a modellnek. Ez tovább javíthatja a karakterek egységes megjelenését.
Gyorsabb és olcsóbb előnézetek
Nem minden ötlethez szükséges azonnal nagy felbontású renderelés. A modell 360p-s előnézeteket is készíthet.
A Google szerint ezek akár 60 százalékkal gyorsabbak lehetnek a 720p-s kimenetnél. Költségük körülbelül annak egyharmada.
Ez különösen hasznos lehet promptok tesztelésénél. A fejlesztők és alkotók több változatot próbálhatnak ki kisebb ráfordítással.
A végleges anyag 1080p-ben készülhet. A kész videó akár 4K-felbontásig is felskálázható. Szerintem ez a munkafolyamat egyik legpraktikusabb része.
Hol érhető el a Gemini Omni 1.1 Flash?
A fejlesztők a Gemini API-n keresztül, a Google AI Studio felületén érhetik el. Üzleti ügyfeleknek a Google vállalati Agent Platform kínál hozzáférést.
A funkciók fokozatosan megjelennek a Google Flow szolgáltatásban is. Az AI Plus, Pro és Ultra előfizetők próbálhatják ki őket.
A jelenethosszabbítás a Gemini alkalmazásba is megérkezik. Így az AI-videók készítése hamarosan nemcsak fejlesztőknek, hanem hétköznapi felhasználóknak is egyszerűbb lehet.