Résumé :
Le 6 novembre, Google a officiellement lancé jeudi le modèle de génération vidéo Gemini Omni 1.2 Flash. Le modèle prend en charge la génération et le montage vidéo natifs de 15 secondes via plusieurs cycles de dialogue. Le prix est 30 % inférieur à celui de la génération précédente.
Gemini Omni 1.2 Flash
Google a indiqué que Gemini Omni 1.2 Flash était déployé via l'API Gemini, Google AI Studio, Google Cloud Console, Flow, Google Vids, les applications Gemini pour les abonnés Google AI Ultra et Google Ads. Chaque vidéo générée est filigranée d’un SynthID imperceptible pour indiquer son origine.
La durée des clips vidéo générés par le modèle peut désormais être définie entre 3 et 15 secondes, contre 10 secondes maximum auparavant. Dans le même temps, le prix de la génération vidéo 720p a été réduit de 30 %, à 0,07 $ par seconde. Les utilisateurs peuvent également éditer la vidéo générée via des conversations en cours.
L'une de ses fonctionnalités les plus remarquables est ce que Google appelle « l'édition conversationnelle ». Les utilisateurs peuvent ajuster progressivement la vidéo générée à travers plusieurs séries de dialogues, comme changer l'arrière-plan, ajuster l'éclairage ou modifier le rapport hauteur/largeur, sans régénérer l'intégralité de la vidéo. Google affirme que cette fonctionnalité prend en charge l'édition de vidéos complètes de 15 secondes.
Combinée à des flux de travail hiérarchiques, cette fonctionnalité devrait également réduire les coûts de production. Les utilisateurs génèrent d'abord un premier brouillon à une résolution de 360p ou 720p, puis corrigent les détails individuels lors d'un montage ultérieur, et enfin convertissent uniquement le film final pour augmenter la résolution à 1080p ou 4K.
Google a également déclaré que la capacité du modèle à suivre les documents de référence a également été considérablement améliorée. Selon l'annonce officielle, les utilisateurs peuvent saisir des images de personnages, des photos de produits, de courts clips vidéo d'une durée maximale de 3 secondes et des invites audio. Le modèle peut maintenir la cohérence des visages des personnages, des vêtements, du texte sur l'emballage du produit et de la correspondance des couleurs de la marque sous différents angles de prise de vue.
La capacité de suivre le contenu a été considérablement améliorée
Google prend comme exemple un segment d'essai virtuel : avec une seule photo de modèle et des images de produits de trois ensembles de vêtements, le modèle peut générer une scène continue de 15 secondes comprenant un tour à 360 degrés, tout en conservant l'identité du modèle ainsi que la coupe et le drapé de chaque vêtement.
Dans le même temps, la cohérence visuelle globale a également été améliorée. Google a déclaré que par rapport au modèle de la génération précédente, le nouveau modèle présente moins de déviations visuelles et de déformations lors du mouvement de l'écran et du changement d'objectif.
De plus, Gemini Omni 1.2 Flash peut générer une conversation plus fluide et plus naturelle, l'effet de synchronisation de la forme de la bouche et de la parole est plus précis et il a également la capacité de distinguer plusieurs locuteurs différents.
Le modèle est également mieux à même de gérer des mouvements de caméra complexes et continus, tels que des prises de vue en vol de drone FPV ou des prises de vue à zoom rapide avec un fort impact visuel, et réduit considérablement les sauts inutiles.
Commentaires