גוגל משיקה את Gemini Omni 1.2 Flash: וידאו של עד 15 שניות במחיר נמוך ב-30%
גוגל השיקה את Gemini Omni 1.2 Flash, מודל וידאו שיוצר ועורך קטעים של עד 15 שניות, לעומת 10 שניות בגרסה הקודמת. המחיר ירד ב-30% ל-0.07 דולר לשנייה ברזולוציית 720p, והחברה מבטיחה עקביות טובה יותר של דמויות ומוצרים לאורך הקטע.
גוגל השיקה ב-5 בנובמבר את Gemini Omni 1.2 Flash, גרסה חדשה של מודל הווידאו שלה, שיוצרת ועורכת קטעים של עד 15 שניות. לפי הבלוג הרשמי של החברה, המחיר ירד ב-30% לעומת Gemini Omni 1.1 ועומד על 0.07 דולר לשנייה של וידאו ברזולוציית 720p. לפי חישוב פשוט, קטע מלא של 15 שניות יעלה כ-1.05 דולר, לפני עריכות נוספות או שדרוג רזולוציה.
המודל זמין מהיום באופן כללי, כלומר לשימוש בסביבת ייצור ולא רק כגרסת ניסיון, דרך ה-Gemini API ו-Gemini for business. הודעת החברה מזכירה גם את Google Vids ואת Google Cloud.
קטעים ארוכים יותר, בשליטה מדויקת יותר
בגרסה הקודמת הוגבל אורך הקטע ל-10 שניות. עכשיו אפשר לקבוע את האורך בקפיצות של שנייה אחת, מ-3 עד 15 שניות. גוגל מכוונת בעיקר לתוכן שיווקי: הסברי מוצר ומודעות שלמות לרשתות החברתיות שנוצרות ביצירה אחת.
השיפור השני נוגע לעקביות, אחת הבעיות המוכרות של וידאו שנוצר ב-AI: פנים, בגדים או אותיות שמשתנים בהדרגה בין פריים לפריים. לפי גוגל, המודל שומר טוב יותר על דמויות, חפצים וסביבה מהפריים הראשון ועד האחרון, גם במעברי מצלמה. המשתמשים יכולים להזין תמונות של דמות, מוצר או סגנון, קטעי תנועה קצרים של עד שלוש שניות ורמזי אודיו, והמודל אמור להיצמד אליהם. החברה מדגימה זאת ברצף "מדידה וירטואלית" של 15 שניות, שנוצר מתמונה אחת של דוגמנית או דוגמן ומצילומי חזית וגב של שלוש תלבושות.
עריכה בשיחה במקום יצירה מחדש
החידוש השלישי הוא עריכה בשיחה מרובת שלבים (multi-turn): אפשר להחליף מוצר או רקע, לשנות תאורה ומזג אוויר או להחליף את יחס התמונה, בלי להתחיל מאפס. גוגל מציגה דוגמה שבה הרקע של אותו קטע מתחלף שוב ושוב, מאוהל ליער ועד טירה, בזמן שהדמויות ומסגור המצלמה נשארים כפי שהיו. לדברי החברה, גם הדיבור בסצנות שהמודל יוצר נשמע טבעי יותר.
העריכה קשורה ישירות לחיסכון. גוגל מציעה לעבוד בשלבים: טיוטה מהירה ב-360p או ב-720p, תיקון נקודתי בעריכת המשך במקום יצירה מחדש של כל הקטע, ורק בסוף הגדלת הרזולוציה של התוצאה הטובה ביותר ל-1080p או ל-4K.
למה זה חשוב
ככל הנראה, המשמעות המעשית של ההשקה היא פחות ביכולת חדשה אחת ויותר בכלכלה של ייצור וידאו בכמויות. הוזלה, קטעים ארוכים יותר ועריכה ללא יצירה מחדש מתאימות במיוחד למפרסמים ולמפתחים שצריכים גרסאות רבות של אותו תוכן לקהלים ולפלטפורמות שונים. זה גם הקהל שגוגל פונה אליו במפורש.
עם זאת, הטענות על שיפור בעקביות ובדיבור מבוססות על הדוגמאות של גוגל עצמה, וחומרי המקור אינם כוללים בדיקה עצמאית. המבחן האמיתי יהיה ככל הנראה בשימוש יומיומי, ובעלות הכוללת של פרויקט עם סבבי עריכה והגדלת רזולוציה, ולא רק במחיר הבסיס לשנייה.