گوگل در ۵ نوامبر ۲۰۲۶ از Gemini Omni 1.2 Flash رونمایی کرد؛ مدلی که می‌تواند کلیپ‌هایی تا ۱۵ ثانیه بسازد، درحالی‌که سقف نسخه قبلی ۱۰ ثانیه بود. این مدل از طریق Gemini API و Gemini for business به‌طور عمومی در دسترس است و گوگل می‌گوید عرضه آن در دیگر محصولات و پلتفرم‌ها نیز در حال انجام است.
گوگل قیمت ویدیوی 720p را با کاهشی ۳۰درصدی به $0.07 برای هر ثانیه رسانده است. طول کلیپ‌ها را می‌توان از سه تا ۱۵ ثانیه تنظیم کرد. گوگل همچنین روند کاری‌ای را شرح داده که با پیش‌نویس‌هایی با وضوح پایین‌تر شروع می‌شود، با ویرایش‌های بعدی اصلاح می‌شود و در پایان ویدیوهای منتخب را به 1080p یا 4K ارتقا می‌دهد.
ویرایش‌های پیاپی روی همان کلیپ انجام می‌شود
مدل جدید از ویرایش مکالمه‌ای چندمرحله‌ای پشتیبانی می‌کند: کاربران می‌توانند تغییراتی مثل عوض‌کردن پس‌زمینه، نورپردازی یا نسبت تصویر را از ویدیو بخواهند، بی‌آنکه لازم باشد کل کلیپ را دوباره بسازند. به‌گفته گوگل، این قابلیت برای کلیپ‌های حداکثر ۱۵ثانیه‌ای کار می‌کند و می‌تواند به سازندگان امکان دهد نسخه‌های متفاوتی از یک آگهی بسازند، بدون اینکه هر نسخه را از ابتدا تولید کنند.
گوگل همچنین می‌گوید Omni 1.2 Flash در پیروی از تصاویر مرجع، کلیپ‌های کوتاه حرکتی تا سه ثانیه و نشانه‌های صوتی عملکرد باثبات‌تری دارد. نمونه‌های این شرکت شامل ویدیوی پرو مجازی است که از عکس یک مدل و تصاویر محصول ساخته شده و در آن هویت مدل و جزئیات لباس هنگام چرخش ۳۶۰درجه حفظ می‌شود. این‌ها نمونه‌هایی هستند که گوگل ارائه کرده، نه نتایج آزمون مستقل.
دسترسی به مدل در محصولات مختلف متفاوت است
گوگل Gemini API، Google AI Studio، Google Cloud Console، Flow، Google Vids، اپ Gemini و Google Ads را از راه‌های استفاده از این مدل معرفی کرده است. در Google Vids، ساخت کلیپ‌های ۱۵ثانیه‌ای برای دارندگان حساب Google یا اشتراک Google Workspace هزینه اضافی ندارد. دسترسی از طریق اپ Gemini به‌تدریج برای مشترکان Google AI Ultra فعال می‌شود. گوگل می‌گوید ویدیوهای تولیدشده نشان نامرئی SynthID دارند.
این شرکت همچنین می‌گوید مدل گفت‌وگوهای طبیعی‌تری تولید می‌کند، هماهنگی حرکت لب‌ها را بهبود می‌دهد، از چند گوینده پشتیبانی می‌کند و حرکت‌های پیچیده دوربین را با برش‌های ناخواسته کمتر اجرا می‌کند. گوگل یادآوری می‌کند که بهبود عملکرد در صحنه‌های ورزشی سریع، تغییرات فوری فیلمنامه و فیزیک پیچیده همچنان در دست کار است؛ بنابراین این کاربردها ممکن است هنوز دشوار باشند.
چرا مهم است
برای سازندگان و کسب‌وکارهایی که ویدیوهای کوتاه تولید می‌کنند، ویرایش مکالمه‌ای می‌تواند تغییر پس‌زمینه یا ساخت نسخه‌های مختلف یک آگهی را آسان‌تر کند، بی‌آنکه مجبور باشند هر کلیپ را دوباره بسازند. کاهش قیمت ویدیوی 720p را گوگل تأیید کرده، اما میزان صرفه‌جویی عملی در زمان ویرایش به نوع کار بستگی دارد و هنوز به‌طور مستقل آزمایش نشده است.
