Google veröffentlicht das Videogenerierungsmodell Gemini Omni 1.2 Flash

de.wedoany.com-Bericht: Am 5. November hat das US-amerikanische Unternehmen Google offiziell das Videogenerierungsmodell Gemini Omni 1.2 Flash vorgestellt und es Entwicklern und Unternehmen über die Gemini API sowie Gemini for Business zugänglich gemacht. Das neue Modell unterstützt die native Generierung von Videos mit einer Länge von bis zu 15 Sekunden, mehrrundige dialogbasierte Bearbeitung sowie die Steuerung durch Bild- und Videoreferenzinhalte. Der Preis für die Generierung von 720p-Videos sinkt auf 0,07 US-Dollar pro Sekunde, was einem Rückgang von 30 % gegenüber dem Vorgängermodell Gemini Omni 1.1 Flash entspricht.

Das neue Modell verlängert die Dauer einer einzelnen Videogenerierung von bisher 10 Sekunden auf 15 Sekunden und ermöglicht die Einstellung der Videolänge zwischen 3 und 15 Sekunden in Schritten von 1 Sekunde. Nutzer können zunächst einen Videoentwurf in 360p- oder 720p-Auflösung generieren und anschließend den ausgewählten Inhalt auf 1080p- oder 4K-Auflösung hochskalieren, um eine hochauflösende Videoausgabe zu erhalten.

Gemini Omni 1.2 Flash erweitert die Fähigkeit zur multimodalen Referenzeingabe und kann Inhalte unter Einbeziehung von Personen-, Produkt- oder Stilbildern, Aktionsvideoclips von bis zu 3 Sekunden Länge sowie Audioprompts generieren. Google zufolge kann das neue Modell die Konsistenz von Gesichtern, Kleidung, Produktverpackungstexten und Markenfarben über verschiedene Kameraeinstellungen und Bewegungen hinweg gewährleisten und das Problem von Formveränderungen von Objekten in aufeinanderfolgenden Einstellungen verbessern.

Die mehrrundige dialogbasierte Bearbeitungsfunktion ermöglicht es Nutzern, aufeinanderfolgende Änderungsanweisungen für dasselbe Video zu erteilen, einschließlich des Austauschs von Produkten, Hintergründen, Lichtverhältnissen, Wetterbedingungen und Bildseitenverhältnissen. Das Modell verbessert zudem die Sprachgenerierung, Lippensynchronisation und die Unterscheidung der Stimmen verschiedener Charaktere in Mehrpersonen-Dialogszenen und unterstützt Kamerabewegungssteuerungen wie kontinuierliche Vorwärtsfahrt, Umkreisung und schnelles Herauszoomen.

Hinsichtlich der kommerziellen Bereitstellung ist Gemini Omni 1.2 Flash bereits in Plattformen wie Google AI Studio, Google Cloud und Flow integriert und bietet Videogenerierungsfunktionen für Google Vids, die Gemini-App und Google Ads. Unternehmen können die entsprechenden Funktionen über die API in ihre eigenen Anwendungen integrieren. Die vom Modell generierten Videos enthalten zudem ein unsichtbares digitales Wasserzeichen namens SynthID.