Google đã phát hành Gemini Omni 1.2 Flash, phiên bản mới nhất của mô hình chỉnh sửa và tạo video. Gemini Omni 1.2 Flash tạo và chỉnh sửa các clip nguyên bản có thời lượng tối đa 15 giây. Nó cũng giảm giá 30% so với Omni 1.1 Flash. Mô hình này thường có sẵn trên Google Cloud và API Gemini. Đối với các nhà phát triển, điều rút ra được là các clip dài hơn, ít lượt hiển thị lại hơn và chi phí mỗi giây thấp hơn. TL;DR

Chạy trên: Chỉ do Google lưu trữ (API Gemini, Google Cloud). Không có trọng lượng mở, không có triển khai cục bộ. Hiệu suất: Google báo cáo việc tuân thủ tham chiếu tốt hơn và ít trôi dạt hơn. Không có điểm chuẩn 1,2 nào được công bố. Tốt nhất: Clip gốc 15 giây có giá 0,07 USD/giây đối với video 720p, khoảng 1,05 USD/clip 15 giây. Tệ nhất: Google cho biết các pha hành động thể thao nhanh, thay đổi kịch bản nhanh và vật lý phức tạp vẫn cần phải cải thiện.

Flash Gemini Omni 1.2 là gì? Gemini Omni 1.2 Flash là mô hình video đa phương thức của Google DeepMind. Nó lấy văn bản, hình ảnh, đoạn video ngắn và âm thanh làm đầu vào. Nó xuất ra video với âm thanh. Tài liệu dành cho nhà phát triển của Google mô tả dòng Omni vốn là đa phương thức, với việc chỉnh sửa được xử lý thông qua API Tương tác. Điều gì đã thay đổi so với Omni 1.1 Flash? Việc ra mắt liệt kê 6 nâng cấp:

Các clip dài hơn: Thời gian tạo và chỉnh sửa hiện đạt 15 giây, tăng từ 10 giây trong Omni 1.1. Kiểm soát thời lượng: Bạn đặt độ dài theo bước 1 giây từ 3 đến 15 giây. Tuân thủ tham chiếu: Bạn có thể kết hợp hình ảnh nhân vật, sản phẩm hoặc phong cách với các clip chuyển động có thời lượng tối đa 3 giây. Tính nhất quán: Khuôn mặt, trang phục, văn bản trên bao bì và màu sắc thương hiệu được giữ vững trên các góc máy ảnh mà ít biến đổi hơn. Lời nói: Lời thoại nghe tự nhiên hơn, hát nhép rõ ràng hơn và điều hòa đa loa riêng biệt. Điều khiển máy ảnh: Các đường bay qua, thu nhỏ và quỹ đạo của FPV hiển thị ít lần cắt nhảy không mong muốn hơn.

Quy trình soạn thảo, chỉnh sửa, nâng cao hoạt động như thế nào? Google coi việc kiểm soát chi phí là một quy trình làm việc chứ không chỉ là giá cả. Bạn soạn thảo ở 360p hoặc 720p. Bạn sửa một chi tiết bằng lần chỉnh sửa tiếp theo thay vì tạo lại toàn bộ clip. Sau đó, bạn nâng cấp kết quả tốt nhất lên 1080p hoặc 4K. Chỉnh sửa hội thoại nhiều lượt hiện hoạt động trên các clip dài 15 giây đầy đủ. Trong thực tế, bạn có thể hoán đổi lần lượt sản phẩm, phông nền, ánh sáng hoặc tỷ lệ khung hình. Tài liệu hiển thị điều này thông qua previous_interaction_id nên video trước đó sẽ không được tải lên lại. Gemini Omni 1.2 Flash giá bao nhiêu? Google định giá Omni 1.2 Flash ở mức 0,07 USD/giây cho video 720p. Tiết kiệm tương tự ở các độ phân giải khác. Đối với ngữ cảnh, trang định giá tính phí Omni 1.1 Flash ở mức khoảng 0,10 USD mỗi giây cho video 720p. Một clip 720p dài 15 giây đầy đủ trên 1.2 có giá khoảng 1,05 USD. Người dùng Google Vids có thể tạo clip dài 15 giây mà không mất thêm phí. Thông lượng được cung cấp có sẵn và các đầu ra mang hình mờ SynthID. Làm thế nào để nó so sánh với các mô hình video khác? Tính năngGemini Omni 1.2 FlashGemini Omni 1.1 FlashVeo 3.1Seedance 2.0DeveloperGoogle DeepMindGoogle DeepMindGoogleByteDanceThông sốKhông tiết lộKhông tiết lộKhông tiết lộKhông tiết lộ Clip đơn tối đa15 s10 s8 s15 sTùy chọn thời lượng3 đến 15 giây, bước 1 giâyKhông tiết lộ4, 6 hoặc 8 giây4 đến 15 giâyĐộ phân giải đầu ra360p, 720p; 1080p và 4K được nâng cấp360p, 720p; Đã nâng cấp 1080p và 4K720p, 1080p, 4K480p, 720p gốc Âm thanh gốcCóCóCóCóChỉnh sửa nhiều lượtCó, tối đa 15 giâyCóKhông được liệt kêKhông được tiết lộGiá 720p$0,07/giâyKhoảng $0,10/giâyKhông được liệt kê trên trang nguồn Dựa trên mã thông báo, khác nhauTrọng lượngĐóng, chỉ APIĐóng, chỉ APIĐóng, API chỉĐóng, chỉ API

&&

Nó hoạt động như thế nào trên điểm chuẩn? Google chưa công bố điểm chuẩn cho phiên bản 1.2. Tuyên bố của nó dựa trên các bản demo song song với Omni 1.1. Trang mô hình DeepMind báo cáo kết quả đánh giá con người cho dòng Omni Flash, bao gồm 1.003 lời nhắc MovieGenBench. Vào tháng 6, phiên bản Omni Flash trước đó đã chiếm vị trí số 1 trên bảng chuyển văn bản thành video của Arena. Những thứ hạng đó có trước 1.2, vì vậy hãy coi chúng như bối cảnh gia đình mà thôi. Phản hồi ban đầu của đối tác là tích cực nhưng tự chọn. Theo trang phát hành của Google, Phó Giám đốc Kỹ thuật của invideo cho biết mô hình này bám sát lời nhắc và vật lý cũng như âm thanh cho cảm giác chân thực. QuickFrame AI cho biết 15 giây ở 1080p cho phép người dùng tạo quảng cáo CTV đầy đủ trong 1 thế hệ. Các nhà phát triển có thể sử dụng nó ở đâu?

API Gemini: Nguyên mẫu trong Google AI Studio và xây dựng bằng tài liệu dành cho nhà phát triển. Google Cloud: Sử dụng API nền tảng đại lý với SLA doanh nghiệp. Ứng dụng của Google: Flow, Google Vids, Google Ads và ứng dụng Gemini (triển khai cho AI Ultra).

Bài học chính

Gemini Omni 1.2 Flash tạo và chỉnh sửa các clip gốc dài 15 giây, tăng từ 10. Giá giảm 30% xuống còn 0,07 USD mỗi giây của video 720p. Giờ đây, việc chỉnh sửa nhiều lượt có thể kéo dài toàn bộ các clip dài 15 giây mà không cần tạo lại. Chưa có điểm chuẩn nào cho 1.2 được công bố. Tệp tham chiếu âm thanh vẫn nằm trong danh sách cho phép trên Google Cloud.

Xem bài đăng ra mắt, thông báo về Google Cloud và tài liệu dành cho nhà phát triển. Ngoài ra, vui lòng theo dõi chúng tôi trên Twitter và đừng quên tham gia SubReddit 150k+ML của chúng tôi và Đăng ký Bản tin của chúng tôi. Chờ đợi! bạn có đang dùng điện tín không? bây giờ bạn cũng có thể tham gia cùng chúng tôi trên telegram. Bạn cần hợp tác với chúng tôi để quảng bá GitHub Repo HOẶC Trang ôm mặt HOẶC Phát hành sản phẩm HOẶC Hội thảo trên web, v.v.? Kết nối với chúng tôi Bài đăng Google phát hành Gemini Omni 1.2 Flash: Video AI 15 giây với giá 0,07 USD mỗi giây xuất hiện đầu tiên trên MarkTechPost.