Google DeepMind представила мультимодальную модель Gemini Omni 1.2 Flash, которая обрабатывает текст, изображения, аудио и видео для генерации видеороликов со звуком. Новая версия поддерживает многоходовое редактирование: пользователи могут менять фон, освещение или объекты в 15-секундном ролике, не перезагружая исходный файл.
Стоимость использования Gemini Omni 1.2 Flash составляет $0,07 за секунду видео в разрешении 720p. Это дешевле предыдущей версии 1.1, которая стоила около $0,10 за секунду. Полный 15-секундный ролик в 720p обходится примерно в $1,05. Пользователи Google Vids могут создавать такие клипы без дополнительной платы, а на контент наносится водяной знак SynthID.
Рабочий процесс оптимизирован для контроля затрат: пользователи могут создавать черновики в низком разрешении, а затем масштабировать результат до 1080p или 4K. Редактирование осуществляется через Interactions API с использованием идентификатора предыдущего взаимодействия. Также доступна опция Provisioned Throughput.
Google пока не опубликовала результаты бенчмарков для версии 1.2, основывая заявления на демонстрациях в сравнении с 1.1. Партнеры, включая invideo и QuickFrame AI, отмечают точность следования промптам и качество физики и звука. По словам QuickFrame AI, 15-секундные ролики в 1080p позволяют создавать полноценную рекламу за один цикл генерации.
