15 sekundžių vaizdo įrašus Google modelis kurs pigiau
Gemini Omni 1.2 Flash kuria iki 15 sekundžių vaizdo įrašus ir leidžia juos keisti pokalbyje. Google skelbia 30 procentų mažesnę 720p kūrimo kainą.
Iki 15 sekundžių vaizdo įrašus Google leis kurti naujuoju Gemini Omni 1.2 Flash modeliu, kartu mažindama kūrimo kainą. Lapkričio 5 dienos pranešime bendrovė skelbia, kad 720p vaizdo sekundė kainuoja 0,07 dolerio, arba 30 procentų mažiau nei ankstesnėje versijoje.
Pasak Google, ankstesnis Omni 1.1 modelis vienu kūrimu pasiekdavo 10 sekundžių ribą, o naujajame trukmė pasirenkama nuo trijų iki penkiolikos sekundžių. Įmonė šį pokytį sieja su produktų pristatymais, reklama ir kitais darbais, kuriems reikia išlaikyti tą patį veikėją ar daiktą.
Google pranešime aprašytas ir nuoseklus redagavimas pokalbyje: galima keisti aplinką, apšvietimą, produktą ar kadro proporcijas nepradedant visko iš naujo. Bendrovė teigia pagerinusi nuorodinių vaizdų laikymąsi, tačiau taip pat pripažįsta toliau tobulinanti greitus sporto judesius ir sudėtingą fiziką.
Google pranešime atskiriamas greitas juodraščių kūrimas nuo galutinio rezultato didinimo: pirmiausia galima bandyti mažesnę raišką, vėliau pasirinktą įrašą padidinti. Bendrovė taip pat nurodo, kad Google Vids leis generuoti penkiolikos sekundžių klipus be papildomo mokesčio turint Google paskyrą arba Google Workspace prenumeratą.
Kūrėjams modelį savo platformoje jau pasiūlė ir Vercel, apie integraciją lapkričio 5 dieną paskelbusi atskirame techniniame pranešime. Pasak Vercel, jos AI Gateway leidžia siųsti tekstines vaizdo užduotis naudojant vieną prieigos raktą, be atskiros Google paskyros.
Vercel dokumente nurodoma, kad galima redaguoti nuo trijų iki penkiolikos sekundžių pradinius įrašus ir pateikti iki šešių nuorodinių vaizdų. Tai leidžia užduotyje suderinti kelis vaizdinius orientyrus, užuot apsiribojus vien tik tekstiniu norimo rezultato aprašymu kūrimo metu.
Pasak Vercel, pratęsimo užklausa gali pridėti nuo trijų iki dešimties sekundžių, o bendra taip pratęsto įrašo trukmė siekia iki trisdešimties sekundžių. Ši funkcija skiriasi nuo Google paskelbtos penkiolikos sekundžių vienkartinio kūrimo ribos ir neturėtų būti su ja sutapatinama.
Vercel taip pat išvardija keturias išvesties raiškas: 360p, 720p, 1080p ir 4K, bei horizontalias arba vertikalias kadro proporcijas. Platformos pranešime nurodoma, kad modelis kuria ir garsą, o ankstesnį rezultatą galima toliau koreguoti susiejant vėlesnes užklausas su tuo pačiu darbu.
Google DeepMind modelio kortelėje paaiškinama, kad įvestis gali būti tekstas, vaizdai, garsas ir vaizdo failai, o išvestis yra vaizdo įrašas su garsu. Kortelėje taip pat nurodyti naudojimo kanalai, tarp jų Gemini programėlė, AI Studio, Flow, Google Workspace ir programavimo sąsajos.
Toje pačioje kortelėje Google DeepMind rašo apie gamybinius turinio filtrus ir SynthID žymėjimą, skirtą DI sukurtam turiniui atpažinti. Bendrovė nurodo kol kas ribojanti galimybę redaguojant pakeisti žmonių kalbą ir toliau tirianti, kaip tokias funkcijas saugiai pateikti naudotojams.
Rašome apie dirbtinį intelektą lietuviškai. Kiekvienas straipsnis parengtas pagal nurodytą šaltinį, o nuorodą į originalą rasite kortelėje „Šaltinis“.
