A Google folyamatosan fejleszti a modelljeit, párhuzamosan folyik a munka a különböző eszközökön a DeepMind berkeiben, ennek köszönhetően a cég a napokban több újítással is előrukkolhatott. A Gemini Omni széria egy fontos modellel és számos új funkcióval gyarapodott.
A Gemini Omni 1.1 Flash egy kisebb modell, mely gyorsan és hatékonyan tud dolgozni, ezt kihasználva hozott létre a fejlesztőcsapat több új funkciót is, melyeket például a Google AI Studióban, valamint a Flow szolgáltatásban lehet elérni. “A Gemini Omni 1.1 már készen áll a professzionális használatra a Google AI Studio Gemini API-ján keresztül.” – emelte ki a vállalat.
Egyben továbbra sem lehet hosszabb videókat készíteni a Gemini Omni 1.1 Flash használatával, de innentől nagyon hatékonyan mehet a jelenetek kiterjesztése. 10 másodperces anyagokból létrehozható lesz egy összefüggő 40 mp-es képsor. Az új videomodell már a teljes előző 10 mp-et elemzi a kontextus és a látvány megőrzéséhez, eddig csak az utolsó másodpercre hagyatkozott. Egy összefüggő 40 másodperces anyag már akár azonnal felhasználható lesz reklámkampányban vagy egyéb munkára.
A Gemini Omni 1.1 már képes rendkívül sima átmenetet alkotni két véletlenszerű képkocka között is. A való világra épülő fejlett érvelési képességei révén hatékonyabb lesz az irányított munkában. Ha vannak támpontként felhasználható fotók az alkotási folyamathoz, gyorsabb és pontosabb végeredmény érhető el. A cég szerint ez jól jön majd bonyolult kameramozgások, zoom-átmenetek vagy zökkenőmentesen ismétlődő videoklipeknél.
Teljesen multimodális működésre lett tervezve a Gemini Omni széria, és most kiemelte a Google, hogy a munka során a felhasználók akár több rövid videót is felvehetnek mintának. Képes lesz több, legfeljebb 3 mp-es referencia videóból “ötleteket meríteni” a videomodell. Ebben az esetben is működik majd a kontextuskövetés is, ha éppen arra van szükség.
Az új modell nem lett a legolcsóbb videós megoldás alapjában véve, viszont a rugalmasságával új lehetőségeket nyit meg. A Gemini Omni 1.1 Flash révén már lehetősége lesz a készítőknek arra, hogy 360p felbontású anyagokat hozzanak létre töredék áron, 60%-kal gyorsabban, nagy mennyiségben, így tudják az ötleteiket próbálgatni. Vázlatokat alkothatnak az elképzeléseik köré, és amikor megvan a megfelelő anyag, akkor kérhetik az új Gemini Omnit, hogy skálázza fel a videók felbontását.
Akár 4K Ultra HD videók születhetnek a fillérekből, gyorsan összedobott 360p-s vázlatok nyomán. Ezáltal nemcsak gyorsabb, hanem sokkal olcsóbb és pontosabb lehet a munkafolyamat.
Egy 360p-s videót képes mindössze 0,03 dollár/mp áron készíteni a Gemini Omni 1.1 Flash, míg a 720p felbontású anyagok 0,1 dollár/mp-es összegbe kerülnek, pont mint a korábbi Omni Flash vagy a Veo 3.1 Fast esetén. A Full HD felbontású alkotások 0,15 dollárba kerülnek másodpercenként, a 4K Ultra HD videók pedig 0,3 dollár/mp tarifával fognak pörögni. A kisebb modellek körében ilyeneket eddig csak a Veo 3.1 Fast tudott alkotni a Google berkeiben, az árak pedig hasonló szinten alakultak. Aki még olcsóbban dolgozna 720p-s vagy 1080p-s anyagokkal, annak továbbra is a Veo 3.1 Lite-ot kínálja a cég.
A Gemini Omni 1.1 Flash először a Google fejlesztői ökoszisztémáján belül lesz elérhető. Már próbára lehet tenni az AI Studio keretei között, valamint a Gemini Enterprise Agent platformon, az Agent platform API-val, továbbá a Google Flow és a Gemini szolgáltatások égisze alatt is. Fontos, hogy mindenképpen szükséges hozzá előfizetés – a Google AI Plus, Pro vagy Ultra opciók valamelyike.
