Gemini Omni 1.2 Flash Faoliyat yuritmoqda

Gemini Omni 1.2 Flash — Google DeepMind tomonidan ishlab chiqilgan video yaratish modeli bo‘lib, to‘liq tijoriy foydalanishga chiqarilgan. Gemini Omni 1.2 Flash bir martada 15 soniyalik video yaratadi, davomiylikni soniyama-soniya belgilash, dialog asosida ko‘p bosqichli tahrirlash va referens tasvir orqali qahramon izchilligini saqlashni qo‘llab-quvvatlaydi; 720p narxi soniyasiga 0.07 dollar bo‘lib, avvalgi avlodga nisbatan 30% arzon. Hozirda u Gemini API, Vids, Gemini App va Google Ads xizmatlariga integratsiya qilingan, asosiy yo‘nalishi elektron tijorat materiallari va qisqa reklama roliklarini ommaviy ishlab chiqarishdir.

15 soniyalik tabiiy generatsiya: bir martada maksimal 15 soniyalik video yaratadi, davomiylikni 3 dan 15 soniyagacha soniyama-soniya belgilash mumkin.
Dialog asosida ko‘p bosqichli tahrirlash: bir xil videoda fonni almashtirish, yorug‘likni sozlash va kadr formatini o‘zgartirish mumkin, qayta generatsiya talab etilmaydi.
Ko‘p modal referenslarga amal qilish: qahramon tasviri, mahsulot tasviri, harakat lavhasi va audio belgilarini birlashtirib, turli kadrlar bo‘ylab yuz, kiyim, qadoqdagi shrift va brend ranglarining izchilligini saqlaydi.
Birinchi va oxirgi kadrlar interpolatsiyasi: boshlang‘ich va yakuniy kadrlar orasida uzluksiz lavhalarni avtomatik yaratadi, obyektlar va muhit kadrma-kadr siljimaydi.
Tabiiy sinxron audio: dialogdagi lab harakatlari aniqroq, ko‘p qahramonli sahnalarda turli namunaviy ovozlarni tegishli personajlarga yo‘naltira oladi.
Kinematografik kamera harakatlari: FPV orqali uchib o‘tish, aylanib olish, keskin uzoqlashish kabi murakkab kamera o‘tishlari sezilarli darajada kamayadi.
Bosqichma-bosqich xarajatlarni kamaytirish jarayoni: avval 360p/720p formatda qoralama yaratib, faqat qoniqarsiz qismlarni tahrirlash, ma’qullangach 1080p yoki 4K ga oshirish.
Korxona darajasidagi imkoniyatlar: chiqish fayliga SynthID ko‘rinmas suv belgisi qo‘shiladi, Provisioned Throughput rezervlangan o‘tkazuvchanligini qo‘llab-quvvatlaydi.

Referens shartlarini kiritish va makon-vaqt e’tibori: referens tasvirlar, harakat lavhalari va audio belgilar shartli ma’lumot sifatida kodlanib, matnli prompt bilan birgalikda generatsiyani cheklaydi; makoniy e’tibor bitta kadr kompozitsiyasi tafsilotlariga, vaqt e’tibori esa kadrlararo shaxsiyat va harakat uzluksizligiga javob beradi. Bu qahramonning turli kadrlar orasida siljimasligining mexanizm asosidir.
Dialog asosidagi tahrirlashda holatni saqlash: har bir tahrirlash buyrug‘i yangi kontekst sifatida ayni generatsiya sessiyasiga kiritiladi. Model mavjud video shartlari asosida faqat ko‘rsatilgan elementlarni qayta tiklaydi, qolgan sahnalarning ijrosi, yorug‘lik-soyasi va kompozitsiyasini saqlab qoladi. Aslida tahrirlash shartli qayta generatsiya sifatida modellashtiriladi.
Audio va videoni bir passda generatsiya qilish: audio video bilan bir xil oldinga yo‘naltirilgan generatsiyada kadr bilan birga chiqarilmaydi, model dialog, ovoz effektlari va muhit tovushlarini kadr mazmuni asosida taxmin qiladi; 1.2 versiyasida bir nechta so‘zlovchi sharti qo‘shilgan bo‘lib, namunaviy ovozlarni tegishli qahramonlarga taqsimlaydi va lab harakatlari sinxronligini boshqaradi.
Muhandislik orqali xarajatlarni kamaytirish: past aniqlikdagi qoralama va 4K formatga oshirish bitta modelning turli chiqish darajalaridan foydalanadi, soniyalik tarif asosidagi token narxlash esa xarajatni tasvir sifatidan ajratadi.

Kirish nuqtasini tanlang: dasturchilar Google AI Studio orqali kodsiz sinab ko‘rishi, korporativ foydalanuvchilar Google Cloud Console’dan foydalanishi, oddiy foydalanuvchilar esa Flow, Vids yoki Gemini App’ni tanlashi mumkin.
Ruxsatni yoqing: API va AI Studio’dan foydalanish uchun pulli hisobni ulash kerak, Gemini App’da 15 soniyalik generatsiya hozircha faqat AI Ultra obunachilari uchun mavjud.
Prompt yozing: kadr tavsifini kiriting; izchillikni saqlash kerak bo‘lsa, referens tasvir va maksimal 3 soniyalik harakat yoki audio lavhasini yuklang.
Davomiylik va parametrlarni belgilang: 3 dan 15 soniyagacha davomiylikni soniyama-soniya belgilang, xarajatni nazorat qilish uchun avval 360p yoki 720p aniqlikni tanlang.
Generatsiya qiling va tekshiring: avval past aniqlikdagi qoralama natijasini ko‘ring, chiqish fayliga sukut bo‘yicha SynthID suv belgisi qo‘shiladi.
Dialog asosida tahrirlang: fon, yorug‘lik, ob-havo yoki kadr formatini tabiiy tilda bosqichma-bosqich sozlang, butun lavhani qayta yaratish shart emas.
Yakuniy sifatga oshiring va eksport qiling: hammasi to‘g‘ri ekaniga ishonch hosil qilgach, 1080p yoki 4K ga oshiring; to‘lov yakuniy aniqlik va soniyalar soniga qarab hisoblanadi.
Integratsiya qiling va ishga tushiring: dasturchilar Gemini API orqali uni o‘z ish jarayonlariga ulashlari mumkin.

Yetarli davomiylik: bir martada tabiiy tarzda 15 soniyalik video yaratadi va davomiylikni soniyama-soniya belgilashni qo‘llab-quvvatlaydi, bu to‘liq ijtimoiy reklama yoki mahsulot taqdimoti hajmini qamrab oladi.
Arzonroq narx: 720p soniyasiga 0.07 dollar turadi va avvalgi avlodga nisbatan 30% arzon. Past aniqlikdagi qoralama va aniq qismlarni tahrirlash jarayoni ishlab chiqarish xarajatlarini yanada kamaytiradi.
Samarali tahrirlash: dialog asosidagi ko‘p bosqichli tahrirlash butun 15 soniyalik lavhani qamrab oladi; fon, yorug‘lik yoki kadr formatini o‘zgartirish uchun butun lavhani qayta yaratish shart emas.
Kuchli izchillik: referens tasvir, harakat lavhasi va audio belgilarining birgalikdagi cheklovi tufayli turli kadrlar orasida yuz, kiyim va qadoq shrifti siljimaydi.
Kinematografik kadrlar: FPV orqali uchib o‘tish, aylanib olish va keskin uzoqlashish kabi murakkab kamera harakatlaridagi keskin o‘tishlar sezilarli kamayadi, tayyor video professional sifatga yaqinlashadi.
Audio va tasvir sinxronligi: audio kadr bilan bir xil passda generatsiya qilinadi, ko‘p qahramonli sahnalarda mos ovozlarni avtomatik taqsimlaydi va lab harakatlarini boshqaradi.

Loyihaning rasmiy sayti：https://blog.google/innovation-and-ai/technology/developers-tools/introducing-gemini-omni-1-2-flash/

Elektron tijorat materiallarini ommaviy ishlab chiqarish: bir xil mahsulot referens tasviri asosida fon, yorug‘lik va kadr formatini dialog orqali o‘zgartirib, turli joylashtirish formatlariga mos 15 soniyalik bir nechta lavha yarating.
Reklama variantlarini joylashtirish: bitta asosiy videodan auditoriya va kanalga mos ko‘plab versiyalarni hosil qiling, qayta generatsiya o‘rniga ko‘p bosqichli tahrirlashdan foydalanib, A/B sinovlari xarajatlarini sezilarli kamaytiring.
Virtual kiyib ko‘rish va mahsulot namoyishi: referens tasvir model shaxsi va kiyim tafsilotlarini belgilaydi, 360 daraja aylanish va kombinatsiyalar ketma-ketligini yaratadi. Whering bu funksiyadan real vaqt rejimidagi kiyib ko‘rish xizmatida foydalanmoqda.
Ijtimoiy qisqa videolar yaratish: oddiy Google hisobiga ega foydalanuvchilar Vids’da 15 soniyalik lavhalarni bepul yaratishi mumkin, individual ijodkorlar to‘lovsiz va arzon narxda video tayyorlaydi.
Kino oldindan ko‘rigi va VFX qoralama montaji: past aniqlikdagi qoralama yordamida murakkab kamera harakatlari va kadr tilini tekshiring, ma’qullangach 4K formatda topshiring. Monks modelni vizual effektlar jarayoniga integratsiya qilgan.