Обновлённая видеомодель Google Gemini Omni 1.2 Flash стала дешевле, научилась держать детали персонажей и товаров между кадрами и позволяет править ролик репликами, не генерируя его заново.

Длиннее ролики, точнее детали

Модель создаёт видео продолжительностью от 3 до 15 секунд с шагом в одну секунду. У предыдущей версии предел составлял 10 секунд.

По заявлению Google, улучшено сохранение внешности персонажей, одежды, надписей и объектов при движении камеры. В качестве референсов можно сочетать изображения, короткие видеоролики и аудио. Компания также заявляет о более естественной речи и точной синхронизации губ.

Правки через диалог

Готовый ролик можно последовательно изменять текстовыми командами: заменить фон или товар, скорректировать освещение, погоду и соотношение сторон. Это позволяет дорабатывать сцену без полной генерации с нуля.

Черновики доступны в 360 p и 720 p, выбранный результат можно повысить до 1080 p или 4K.

Что нового

Длина. Максимальная длина клипа выросла с 10 до 15 секунд. Длительность задаётся с шагом в секунду, от 3 до 15.

Цена. Генерация в 720 p стоит $0,07 за секунду, на 30% меньше, чем у Omni 1.1. Полный 15-секундный ролик обойдётся примерно в $1,05.

Стабильность кадра. По словам Google, лица, одежда, шрифты на упаковке и фирменные цвета остаются неизменными от первого кадра до последнего, в том числе при смене ракурса. Реже появляются искажения объектов при движении. Для этого модель принимает референсы: изображения персонажа, товара или стиля, фрагменты движения до трёх секунд и звуковые подсказки.

Звук. Речь стала естественнее, губы совпадают со словами точнее, голоса нескольких говорящих различаются лучше.

Камера. Улучшено управление непрерывными движениями: облёт от первого лица, отъезд, вращение вокруг объекта. Лишних склеек стало меньше.

Правка в диалоге. Ролик можно редактировать за несколько реплик: заменить товар или фон, изменить освещение и погоду, сменить соотношение сторон. Генерировать клип заново не нужно, функция работает на полных 15 секундах.

Какие ограничения?

Быстрые спортивные сцены, резкая смена сценария и сложная физика у модели получаются хуже. Все ролики получают незаметный водяной знак SynthID. Независимых тестов в анонсе нет, заявления о качестве принадлежат самой компании.

Цена и доступ

Генерация в 720 p стоит $0,07 за секунду — на 30% дешевле прежней версии. Соответственно, 15-секундный ролик обойдётся в $1,05.

Модель стала общедоступной через Gemini API и Google Cloud. В приложении Gemini доступ разворачивается для подписчиков Google AI Ultra.