Zusammenfassung:
Am 6. November stellte Google am Donnerstag offiziell das Videogenerationsmodell Gemini Omni 1.2 Flash vor. Das Modell unterstützt die native 15-Sekunden-Videogenerierung und -bearbeitung über mehrere Dialogrunden. Der Preis ist 30 % niedriger als bei der Vorgängergeneration.
Gemini Omni 1.2 Flash
Google sagte, dass Gemini Omni 1.2 Flash über Gemini API, Google AI Studio, Google Cloud Console, Flow, Google Vids, Gemini-Anwendungen für Google AI Ultra-Abonnenten und Google Ads eingeführt wird. Jedes generierte Video wird mit einer nicht wahrnehmbaren SynthID als Wasserzeichen versehen, um seinen Ursprung anzuzeigen.
Die Länge der vom Modell generierten Videoclips kann jetzt von 3 bis 15 Sekunden eingestellt werden (vorher maximal 10 Sekunden). Gleichzeitig wurde der Preis für die 720p-Videoerzeugung um 30 % auf 0,07 US-Dollar pro Sekunde gesenkt. Benutzer können das generierte Video auch durch laufende Gespräche bearbeiten.
Eine seiner herausragenden Funktionen ist das, was Google „Conversational Editing“ nennt. Benutzer können das generierte Video schrittweise über mehrere Dialogrunden anpassen, z. B. durch Ändern des Hintergrunds, Anpassen der Beleuchtung oder Ändern des Seitenverhältnisses, ohne das gesamte Video neu generieren zu müssen. Laut Google unterstützt diese Funktion die Bearbeitung vollständiger 15-Sekunden-Videos.
In Kombination mit hierarchischen Arbeitsabläufen dürfte diese Funktion auch die Produktionskosten senken. Anwender erstellen zunächst einen ersten Entwurf mit 360p- oder 720p-Auflösung, korrigieren dann durch Nachbearbeitung einzelne Details und wandeln schließlich den finalen Film erst hoch, um die Auflösung auf 1080p oder 4K zu erhöhen.
Google gab außerdem an, dass die Fähigkeit des Modells, Referenzmaterialien zu folgen, ebenfalls deutlich verbessert wurde. Laut offizieller Ankündigung können Benutzer Charakterbilder, Produktfotos, kurze Videoclips von bis zu 3 Sekunden und Audioansagen eingeben. Das Modell kann die Konsistenz der Gesichter, der Kleidung, des Texts auf der Produktverpackung und der Markenfarbanpassung der Charaktere unter verschiedenen Aufnahmewinkeln aufrechterhalten.
Die Fähigkeit, dem Material zu folgen, wurde erheblich verbessert
Google nimmt als Beispiel ein virtuelles Anprobe-Segment: Mit nur einem Modelfoto und Produktbildern von drei Kleidungsstücken kann das Model eine 15-sekündige fortlaufende Szene erzeugen, die eine 360-Grad-Drehung beinhaltet, während die Identität des Models sowie der Schnitt und der Fall jedes Kleidungsstücks erhalten bleiben.
Gleichzeitig wurde auch die visuelle Gesamtkonsistenz verbessert. Laut Google weist das neue Modell im Vergleich zum Vorgängermodell weniger visuelle Abweichungen und Verformungen bei Bildschirmbewegungen und Objektivwechseln auf.
Darüber hinaus kann Gemini Omni 1.2 Flash flüssigere und natürlichere Konversationssprache erzeugen, der Synchronisationseffekt von Mundform und Sprache ist genauer und es verfügt außerdem über die Fähigkeit, mehrere verschiedene Sprecher zu unterscheiden.
Das Modell ist außerdem besser in der Lage, komplexe, kontinuierliche Kamerabewegungen wie FPV-Drohnenflugaufnahmen oder schnelle Zoomaufnahmen mit starker visueller Wirkung zu bewältigen, und reduziert unnötige Sprungschnitte erheblich.
Kommentare