Google, video üretiminde kontrolü artıran Gemini Omni 1.1 Flash modelini duyurdu

Google, metin, görsel, ses ve videoyu aynı anda işleyebilen çok modlu yapay zeka modeli Gemini Omni için yeni 'Flash 1.1' sürümünü kullanıma sundu. Geliştiricilere yönelik hazırlanan yeni model; mevcut videoları uzatma, başlangıç ve bitiş kareleri arasında görüntü oluşturma, referans video kullanımı ve çıktıları 4K çözünürlüğe yükseltme gibi yeni yetenekler içeriyor. Model, AI Studio üzerinden erişime açıldı.

Yeni sürümün en önemli teknik geliştirmesi, sahne uzatma sisteminde yapıldı. Önceki sürüm yeni görüntüler üretirken videonun yalnızca son bir saniyesini referans alırken, Gemini Omni 1.1 Flash mevcut videonun 10 saniyeye kadar olan bölümünü analiz edebiliyor. Bu sayede karakterlerin, ortamın ve anlatının devamlılığı korunarak, videolar 10 saniyelik parçalar halinde toplam 40 saniyeye kadar uzatılabiliyor.

Model, kullanıcıların videonun ilk ve son karesini manuel olarak belirlemesine olanak tanıyor. Belirlenen iki anahtar kare arasındaki boşlukları doldurabilen sistem; kamera dönüşleri, yakınlaştırmalar ve kesintisiz döngüler gibi hareketleri otomatik olarak üretebiliyor. Ayrıca kullanıcılar, oluşturmak istedikleri sahne için üç saniyeye kadar referans video yükleyerek hareketlerin veya görsel bağlamın yeni içeriğe aktarılmasını sağlayabiliyor.

Hızlı prototipleme süreçleri için modele 360p çözünürlükte bir taslak modu eklendi. Google'ın paylaştığı verilere göre 360p modunda video üretimi, standart 720p çıktıya kıyasla yüzde 60'a kadar daha hızlı çalışıyor ve maliyeti yaklaşık üçte bir seviyesine indiriyor. Taslak aşamasından sonra seçilen videolar 1080p veya 4K çözünürlüğe yükseltilebiliyor.

Gemini API üzerinden sunulan modelin fiyatlandırması çözünürlüğe göre kademeli olarak belirlendi. Saniye başına üretim maliyeti; 360p için 0,03 dolar, 720p için 0,10 dolar, 1080p için 0,15 dolar ve 4K çözünürlük için 0,30 dolar olarak açıklandı.