Gemini Omni 1.2 Flash Inafanya kazi

Gemini Omni 1.2 Flash ni modeli ya kutengeneza video iliyotengenezwa na Google DeepMind na sasa inapatikana kikamilifu kwa matumizi ya kibiashara. Gemini Omni 1.2 Flash inaweza kutengeneza video ya sekunde 15 kwa ombi moja, inaruhusu kubainisha muda kwa kila sekunde, marekebisho ya mazungumzo ya raundi nyingi na kudumisha uthabiti wa wahusika kupitia picha za marejeo; 720p hugharimu dola 0.07 kwa sekunde, punguzo la 30% kutoka kizazi kilichotangulia. Sasa imeunganishwa na Gemini API, Vids, Gemini App na Google Ads, ikilenga uzalishaji wa kwa wingi wa nyenzo za biashara ya mtandaoni na video fupi za matangazo.

Uzalishaji asilia wa sekunde 15: Tengeneza video yenye urefu wa hadi sekunde 15 kwa ombi moja, huku muda ukiweza kubainishwa kwa kila sekunde kati ya sekunde 3 na 15.
Uhariri wa mazungumzo wa raundi nyingi: Badilisha mandharinyuma, mwangaza na uwiano wa picha kwa raundi tofauti kwenye video ileile bila kuitengeneza upya.
Kufuata marejeo ya aina nyingi: Changanya picha za wahusika, picha za bidhaa, vipande vya vitendo na viashiria vya sauti ili kudumisha uso, mavazi, maandishi ya kifungashio na rangi ya chapa katika mandhari mbalimbali.
Uunganishaji wa fremu za mwanzo na mwisho: Tengeneza kiotomatiki mandhari endelevu kati ya fremu ya kwanza na ya mwisho, bila vitu au mazingira kugeuka visivyo thabiti fremu kwa fremu.
Sauti iliyosawazishwa asilia: Usawazishaji wa midomo katika mazungumzo ni sahihi zaidi, na mandhari zenye wahusika wengi zinaweza kuelekeza sauti za sampuli tofauti kwa wahusika husika.
Misogeo ya kamera ya sinema: Kuruka kwa FPV, kuzunguka na kuvuta kamera kwa ghafla hupunguza kwa kiasi kikubwa mipito tata ya kamera.
Mtiririko wa kazi wa kupunguza gharama kwa awamu: Anza na rasimu za 360p/720p, rekebisha sehemu zisizoridhisha pekee, kisha ongeza ubora hadi 1080p au 4K baada ya kuridhika.
Vifaa vya kiwango cha biashara: Matokeo yana watermark fiche ya SynthID na yanaunga mkono hifadhi ya uwezo wa Provisioned Throughput.

Uingizaji wa masharti ya marejeo na umakini wa anga na muda: Picha za marejeo, vipande vya vitendo na viashiria vya sauti husimbwa kama taarifa za masharti na kuongoza uzalishaji pamoja na maelekezo ya maandishi; umakini wa anga hushughulikia maelezo ya muundo wa kila fremu, huku umakini wa muda ukidumisha mwendelezo wa utambulisho na mwendo kati ya fremu. Huu ndio msingi wa kiufundi unaozuia wahusika kugeuka katika mandhari mbalimbali.
Uhifadhi wa hali katika uhariri wa mazungumzo: Kila agizo la uhariri huingia kama muktadha mpya katika kikao kilekile cha uzalishaji. Modeli huunda upya vipengele vilivyobainishwa pekee chini ya masharti ya video iliyopo, huku ikihifadhi uigizaji, mwanga na muundo wa mandhari nyingine; kimsingi, uhariri huigwa kama uzalishaji upya wenye masharti.
Uzalishaji wa sauti na video katika pass moja: Sauti haitolewi pamoja na picha katika uendeshaji mmoja wa mbele wa video; modeli hukisia mazungumzo, athari za sauti na sauti za mazingira kulingana na maudhui ya picha. Toleo la 1.2 limeongeza masharti ya wasemaji wengi, likigawa sauti za sampuli kwa wahusika husika na kuendesha usawazishaji wa midomo.
Uboreshaji wa gharama wa kiuhandisi: Rasimu zenye ubora wa chini na kuongeza ubora hadi 4K hutumia viwango tofauti vya matokeo vya modeli ileile. Kwa kuchaji tokeni kwa sekunde, gharama hutenganishwa na ubora wa picha.

Chagua sehemu ya kuanzia: Wasanidi programu wafungue Google AI Studio kwa majaribio bila msimbo, watumiaji wa biashara watumie Google Cloud Console, na watumiaji wa kawaida watumie Flow, Vids au Gemini App.
Washa ruhusa: Matumizi ya API na AI Studio yanahitaji kuunganisha akaunti ya kulipia; utengenezaji wa sekunde 15 katika Gemini App kwa sasa umewekewa wanachama wa AI Ultra.
Andika maelekezo: Weka maelezo ya mandhari, na pakia picha za marejeo pamoja na kipande cha kitendo au sauti cha hadi sekunde 3 unapohitaji uthabiti.
Weka muda na vipimo: Bainisha muda kwa kila sekunde kati ya sekunde 3 na 15, na anza kwa azimio la 360p au 720p ili kudhibiti gharama.
Tengeneza na ukague: Kwanza angalia matokeo ya rasimu yenye ubora wa chini; matokeo huwa na watermark ya SynthID kwa chaguo-msingi.
Marekebisho ya mazungumzo: Tumia lugha ya kawaida kurekebisha mandharinyuma, mwangaza, hali ya hewa au uwiano wa picha kwa raundi tofauti bila kutengeneza upya video nzima.
Ongeza ubora na uhamishe: Baada ya kuthibitisha, ongeza ubora hadi 1080p au 4K; malipo huhesabiwa kulingana na azimio na idadi ya sekunde za matokeo ya mwisho.
Unganisha na uzindue: Wasanidi programu wanaweza kuunganisha mtiririko wao wa kazi kupitia Gemini API.

Muda unaotosha: Tengeneza video ya sekunde 15 kwa asili katika ombi moja na ubainishe muda kwa kila sekunde, hivyo inatosha kwa tangazo kamili la kijamii au maelezo ya bidhaa.
Gharama ya chini: 720p hugharimu dola 0.07 kwa sekunde, punguzo la 30% kutoka kizazi kilichotangulia. Rasimu zenye ubora wa chini pamoja na marekebisho yaliyolengwa hupunguza zaidi gharama za uzalishaji.
Uhariri wenye ufanisi: Uhariri wa mazungumzo wa raundi nyingi unahusu video nzima ya sekunde 15; kubadilisha mandharinyuma, kurekebisha mwangaza au kubadilisha uwiano wa picha hakuhitaji kutengeneza upya video nzima.
Uthabiti mkubwa: Picha za marejeo, vipande vya vitendo na viashiria vya sauti huweka masharti kwa pamoja, hivyo uso, mavazi na maandishi ya kifungashio havigeuki kati ya mandhari.
Misogeo ya kamera ya sinema: Kuruka kwa FPV, kuzunguka na kuvuta kamera kwa ghafla hupunguza kwa kiasi kikubwa mipito tata, na video ya mwisho hukaribia ubora wa kitaalamu.
Usawazishaji wa sauti na picha: Sauti hutengenezwa pamoja na picha katika pass moja; katika mandhari zenye wahusika wengi, mfumo hugawa kiotomatiki sauti inayofaa na kuendesha usawazishaji wa midomo.

Tovuti rasmi ya mradi: https://blog.google/innovation-and-ai/technology/developers-tools/introducing-gemini-omni-1-2-flash/

Uzalishaji wa kwa wingi wa nyenzo za biashara ya mtandaoni: Tumia picha ya marejeo ya bidhaa ileile na uhariri wa mazungumzo ili kutengeneza matoleo mengi ya video fupi za sekunde 15 zenye mandharinyuma, mwangaza na uwiano tofauti, zinazolingana moja kwa moja na nafasi mbalimbali za matangazo.
Usambazaji wa matoleo ya matangazo: Zalisha matoleo mengi ya video kuu kulingana na hadhira na kituo; uhariri wa raundi nyingi huchukua nafasi ya uzalishaji upya na kupunguza kwa kiasi kikubwa gharama za majaribio ya A/B.
Kuvaa mavazi mtandaoni na maonyesho ya bidhaa: Tumia picha ya marejeo kuhifadhi utambulisho wa mwanamitindo na maelezo ya mavazi, kisha tengeneza mfuatano wa kuzunguka nyuzi 360 na mchanganyiko wa mavazi. Whering tayari imeitumia kwa kipengele cha kujaribu mavazi kwa wakati halisi.
Uundaji wa video fupi za kijamii: Akaunti za kawaida za Google zinaweza kutengeneza vipande vya sekunde 15 bila malipo katika Vids, hivyo waundaji binafsi wanaweza kutengeneza video kwa gharama ndogo bila kulipia.
Uhakiki wa awali wa filamu na uhariri wa awali wa VFX: Tumia rasimu yenye ubora wa chini kuthibitisha misogeo tata ya kamera na lugha ya picha, kisha ongeza ubora hadi 4K kwa uwasilishaji baada ya kuridhika. Monks tayari imeunganisha modeli katika mtiririko wa kazi wa athari za kuona.