Google выпустила Gemini Omni 1.1 Flash — обновление мультимодальной видеомодели для генерации и редактирования видео. Новая версия получила управление начальным и конечным кадрами, продолжение сцен, дешевый режим черновиков и вывод в разрешении до 4K.
Модель принимает текст, изображения и видео, а также умеет работать с аудио. При продолжении сцены она учитывает до 10 секунд предыдущего видеоряда, после чего может добавлять новые десятисекундные фрагменты — суммарно до 40 секунд. Это должно улучшить согласованность персонажей, движения камеры и окружения между сегментами.
Еще одна новая функция — интерполяция между первым и последним кадром. Пользователь задает два ключевых изображения, а модель генерирует переход между ними. Это подходит, например, для управляемых движений камеры, зумов и сложных переходов.
Для быстрых итераций появился 360p Draft. Google обещает до 60% более высокую скорость и стоимость примерно в три раза ниже, чем у стандартного 720p. Идея простая: сначала подобрать удачный вариант на низком разрешении, а затем вывести финальную версию в более высоком качестве.
Максимальное разрешение теперь достигает 4K. При этом важно уточнение: 1080p и 4K являются апскейлом, тогда как нативная генерация выполняется в 360p и 720p.
Модель поддерживает генерацию роликов длительностью от 3 до 10 секунд за один запрос, а более длинные видео собираются через механизм scene extension. Максимальная суммарная длина цепочки — 40 секунд.
Видеоролики, созданные Gemini Omni, получают невидимую цифровую метку SynthID, позволяющую идентифицировать AI-сгенерированный контент. Gemini Omni 1.1 Flash уже доступна.
Читать далее
Источник: habr.com