Google открыл доступ к Gemini Omni 1.2 Flash

Команда Google DeepMind представила генеративную модель видео Gemini Omni 1.2 Flash. Обновление ориентировано на масштабируемое производство видеоконтента, расширение контроля над сценами и снижение себестоимости генерации. Ключевыми нововведениями стали увеличение длительности роликов до 15 секунд, диалоговый монтаж без перезапуска генерации, улучшенное удержание референсов и синхронизация речи нескольких персонажей.

Разработчики сообщили об этом в официальном анонсе Google, открыв доступ к модели в Gemini API, среде Google Vids и корпоративных сервисах Google Cloud. Стоимость генерации снижена на 30% относительно предыдущей версии и составляет 0,07 $ за секунду видео в разрешении 720p.

Увеличение длительности клипов до 15 секунд и покадровый контроль

Предыдущее поколение модели ограничивалось 10-секундными видеорядами. В Gemini Omni 1.2 Flash доступна генерация роликов от 3 до 15 секунд с шагом настройки в одну секунду. Этого хронометража достаточно для завершенных рекламных роликов, продуктовых демонстраций и обучающих видео без необходимости склеивать короткие фрагменты сторонними редакторами.

Система точнее удерживает визуальные атрибуты объектов на протяжении всей сцены. При генерации можно одновременно задавать изображения персонажей, фотографии товаров, короткие трехсекундные ролики движения и звуковые подсказки. Черты лица, текстуры тканей, надписи на упаковке и фирменные цвета сохраняют стабильность при любых ракурсах камеры.

Диалоговое редактирование сцен через чат без перегенерации

Функция Multi-Turn Conversational Editing позволяет дорабатывать созданный ролик пошагово через текстовые уточнения. Пользователю больше не требуется перезапускать полный цикл рендеринга ради изменения отдельной детали: модель способна скорректировать фон, заменить объект, настроить освещение или изменить погодные условия прямо в диалоге.

Пошаговые правки работают на всем 15-секундном отрезке. Это ускоряет подготовку вариаций рекламных кампаний под разные аудитории: базовая актерская игра, движения и геометрия сцены остаются неизменными, пока алгоритм точечно обновляет окружение и визуальные акценты.

Синхронизация речи и многоголосая озвучка персонажей

Модель генерирует видеоряд с синхронизированной речью, точным движением губ и поддержкой нескольких говорящих персонажей в кадре. Для привязки голоса к конкретному герою достаточно предоставить короткий аудиосэмпл длительностью от одной секунды.

Алгоритм распределяет голосовые реплики между действующими лицами, согласуя мимику с интонациями и паузами в диалоге. Функция интегрирована в инструменты Flow, сервис Google Vids и бизнес-пакеты Gemini, что упрощает выпуск корпоративных обучающих материалов и анимационных роликов с виртуальными аватарами.

Кинематографичные пролеты камеры и непрерывное масштабирование

Инженеры существенно улучшили контроль виртуальной съемочной камеры. Модель поддерживает сложные непрерывные траектории движения, включая пролеты от первого лица FPV, орбитальные вращения вокруг объектов и резкие откаты из макросъемки в общий план без монтажных разрывов.

В сценах с быстрым перемещением камеры сохраняются пропорции архитектурных сооружений и ландшафта. При генерации переходов между начальным и конечным ключевыми кадрами физика движения остается естественной, исключая визуальные артефакты деформации геометрии.

Сравнение параметров и цен видеомоделей

Снижение цены до 0,07 $ за секунду делает Gemini Omni 1.2 Flash одним из самых экономичных промышленных решений для массового производства видеоконтента по сравнению с конкурентами на рынке генеративного медиа.

Доступность в сервисах Google и тарификация

Модель стала общедоступной в облачной платформе Google Cloud console и среде разработки Google AI Studio. Пользователи могут прототипировать черновые варианты на разрешениях 360p или 720p, вносить правки через диалог и масштабировать удачные генерации до 1080p и 4K.

В приложении Google Vids создание 15-секундных роликов включено в стандартную подписку Google Workspace без дополнительной платы. Все выходные материалы по умолчанию снабжаются невидимым цифровым водяным знаком SynthID для подтверждения происхождения ИИ-контента. 

Следите за развитием генеративных видеомоделей, тестами визуального ИИ и обновлениями инструментов в разделе новостей на aimarketcap.ru.