Gemini Omni 1.2 Flash خدام

Gemini Omni 1.2 Flash هو موديل ديال توليد الفيديو طوّراتو Google DeepMind، وولا متوفر رسمياً للاستعمال التجاري. Gemini Omni 1.2 Flash كيقدر يولّد فيديو ديال 15 ثانية فمرة وحدة، وكيْدعم تحديد المدة ثانية بثانية، والتعديل الحواري على مراحل متعددة، وتحميل صور مرجعية باش تبقى الشخصيات متناسقة؛ الثمن ديال 720p هو 0.07 دولار للثانية، يعني ناقص بـ 30% مقارنة مع الجيل السابق. دابا ولى مدموج مع Gemini API وVids وGemini App وGoogle Ads، وموجّه بالخصوص للإنتاج بالجملة ديال محتوى التجارة الإلكترونية والإعلانات القصيرة.

توليد أصلي ديال 15 ثانية: كيولّد فيديو حتى لـ 15 ثانية فمرة وحدة، والمدة كتقدر تحددها ثانية بثانية بين 3 و15 ثانية.
تعديل حواري على مراحل: كتقدر تبدّل الخلفية، وتعدّل الإضاءة، وتغيّر نسبة الأبعاد فكل جولة على نفس الفيديو، بلا ما تعاود التوليد من الأول.
اتباع المراجع متعددة الوسائط: جمع صور الشخصيات، وصور المنتجات، ومقاطع الحركة، وإشارات صوتية، مع الحفاظ على نفس الوجه واللباس وخط الكتابة فالتغليف وألوان العلامة عبر اللقطات.
الاستيفاء بين اللقطة الأولى والأخيرة: كيولّد لقطات متصلة بين البداية والنهاية، وكيحافظ على ثبات العناصر والبيئة فكل إطار.
صوت متزامن أصلي: مزامنة الشفاه مع الكلام ولات أدق، وفالمشاهد متعددة الشخصيات كيتم توجيه الأصوات المأخوذة للشخصيات المناسبة.
حركة كاميرا سينمائية: نقصات بشكل واضح القفزات فلقطات معقدة بحال FPV والالتفاف والابتعاد السريع.
سير عمل لتخفيض التكلفة على مراحل: بدا بمسودة 360p/720p، وعدّل غير الأجزاء اللي ما عجباتكش، ومن بعد طلّعها لـ 1080p ولا 4K.
تجهيزات للمؤسسات: المخرجات فيها علامة مائية مخفية SynthID، وكاين دعم لـ Provisioned Throughput باش تحجز القدرة الاستيعابية.

إدماج شروط المراجع والانتباه المكاني والزماني: الصور المرجعية، ومقاطع الحركة، والإشارات الصوتية كيتشفرو كمعلومات شرطية، وكيتم استعمالها مع الوصف النصي لتوجيه التوليد؛ الانتباه المكاني مسؤول على تفاصيل التكوين فكل إطار، والانتباه الزمني مسؤول على استمرارية الهوية والحركة بين الإطارات، وهاد الشي هو الأساس باش ما تتبدلش الشخصية بين اللقطات المتعددة.
الحفاظ على الحالة فالتعديل الحواري: كل تعليمة تعديل كتدخل كسياق جديد فنفس جلسة التوليد، والموديل كيعيد بناء غير العناصر المحددة مع الاعتماد على شروط الفيديو الموجود، وكيخلي باقي الأداء والإضاءة والتكوين كيف ما هما. بمعنى آخر، التعديل كيتعامل معاه كتوليد جديد مشروط.
توليد الصوت والفيديو فـ pass واحد: الصوت ما كيتولدش مع الصورة فعملية أمامية وحدة؛ الموديل كيتوقع الحوار والمؤثرات الصوتية وأصوات البيئة اعتماداً على محتوى الصورة. فالنسخة 1.2 تزادت شروط متعددة المتكلمين، باش يتوزعو الأصوات المأخوذة على الشخصيات المناسبة وتتزامن مع حركة الشفاه.
تخفيض التكلفة هندسياً: المسودات منخفضة الجودة والرفع لـ 4K كيعتمدو على نفس الموديل بمستويات إخراج مختلفة، ومع احتساب الثمن بالثانية كيتفصلات التكلفة على جودة الصورة.

اختار المدخل: المطورين يفتحو Google AI Studio للتجربة بلا كود، والمستخدمين ديال الشركات يمشيو لـ Google Cloud Console، والمستخدمين العاديين يستعملو Flow ولا Vids ولا Gemini App.
فعّل الصلاحيات: استعمال API وAI Studio كيحتاج ربط حساب مؤدى، وتوليد 15 ثانية فـ Gemini App متاح حالياً غير للمشتركين فـ AI Ultra.
كتب الوصف: دخل وصف المشهد، وإذا بغيتي تحافظ على التناسق حمّل صور مرجعية ومقطع حركة ولا صوت حتى لـ 3 ثواني.
حدد المدة والمواصفات: حدد المدة ثانية بثانية بين 3 و15 ثانية، وبدا بدقة 360p ولا 720p باش تتحكم فالتكلفة.
ولّد وراجع: شوف أولاً نتيجة المسودة منخفضة الجودة، والمخرج كيكون فيه SynthID بشكل افتراضي.
عدّل بالحوار: استعمل اللغة الطبيعية باش تبدّل الخلفية ولا الإضاءة ولا الطقس ولا نسبة الأبعاد على مراحل، بلا ما تعاود الفيديو كامل.
طلّع الجودة وصدر: منين تتأكد باللي كلشي مزيان، طلّع الجودة لـ 1080p ولا 4K، والثمن كيتحسب حسب الدقة النهائية وعدد الثواني.
دمج وخلي الخدمة خدامة: المطورين يقدرو يربطو سير العمل ديالهم باستعمال Gemini API.

مدة مناسبة: توليد أصلي ديال فيديو حتى لـ 15 ثانية فمرة وحدة مع تحديد المدة ثانية بثانية، وهاد الشي كيكفي لإعلان اجتماعي كامل ولا شرح منتج.
تكلفة أقل: 720p بـ 0.07 دولار للثانية، ناقصة بـ 30% مقارنة مع الجيل السابق، ومع مسودة منخفضة الجودة وتعديلات محددة كتقدر تنقص مصاريف الإنتاج أكثر.
تعديل سريع: التعديل الحواري على مراحل كيغطي الفيديو كامل ديال 15 ثانية؛ تبديل الخلفية ولا الإضاءة ولا نسبة الأبعاد ما كيتطلبش إعادة الفيديو كامل.
تناُسق قوي: الجمع بين الصور المرجعية ومقاطع الحركة والإشارات الصوتية كيساعد يحافظ على الوجه واللباس وخط الكتابة فالتغليف بلا ما يتبدلو بين اللقطات.
لقطات سينمائية: نقصات بشكل واضح القفزات فحركات كاميرا معقدة بحال FPV والالتفاف والابتعاد السريع، وولات النتيجة أقرب للجودة الاحترافية.
تزامن الصوت والصورة: الصوت كيتولد مع الصورة فـ pass واحد، وفالمشاهد متعددة الشخصيات كيتم اختيار الصوت المناسب أوتوماتيكياً وتحريك الشفاه على أساسه.

الموقع الرسمي للمشروع: https://blog.google/innovation-and-ai/technology/developers-tools/introducing-gemini-omni-1-2-flash/

إنتاج محتوى التجارة الإلكترونية بالجملة: باستعمال صورة مرجعية لنفس المنتج، كتقدر بالتعديل الحواري تخرج نسخ متعددة بف backgrounds وإضاءة ونسب أبعاد مختلفة لفيديوهات ديال 15 ثانية، جاهزة لمواضع إعلانية مختلفة.
إطلاق نسخ متعددة من الإعلانات: كتشتق نسخ بالجملة من فيديو أساسي حسب الجمهور والقناة، وكيعوض التعديل المتعدد إعادة التوليد، وكيهبط تكلفة اختبارات A/B بشكل كبير.
التجربة الافتراضية للملابس وعروض المنتجات: الصور المرجعية كتحافظ على هوية العارض وتفاصيل اللباس، وكتولّد تسلسلات ديال الدوران 360 درجة وتنسيق الملابس. Whering استعملاتو فوظيفة التجربة الفورية.
صناعة فيديوهات قصيرة للسوشيال ميديا: الحساب العادي ديال Google كيقدر يولّد مقاطع ديال 15 ثانية مجاناً فـ Vids، وكيقدر المبدعين الأفراد يخرجو محتوى بتكلفة قليلة بلا اشتراك.
المعاينة الأولية للأفلام والقص الخشن للمؤثرات البصرية: استعمل المسودة منخفضة الجودة للتأكد من حركات الكاميرا المعقدة ولغة اللقطات، ومن بعد طلّعها لـ 4K للتسليم. Monks دمجات الموديل فخط إنتاج المؤثرات البصرية.