گوگل Gemini Omni 1.2 Flash را با ساخت ویدیو ۱۵ ثانیه‌ای، ویرایش گفت‌وگومحور و کاهش ۳۰ درصدی قیمت معرفی کرد.
گوگل نسخه جدید مدل هوش مصنوعی خود را با نام Gemini Omni ۱.۲ Flash منتشر کرد. این مدل امکان ساخت مستقیم ویدیوهای باکیفیت تا ۱۵ ثانیه را برای توسعه‌دهندگان و کاربران تجاری فراهم می‌کند و در عین حال هزینه‌ها را کاهش داده و کنترل بیشتری به سازندگان محتوا می‌دهد.
یکی از مهم‌ترین بهبودها، افزایش مدت‌زمان کلیپ‌هاست. پیش از این سقف تولید ویدیو به ۱۰ ثانیه محدود بود، اما اکنون کاربران می‌توانند مدت‌زمان را با گام‌های یک‌ثانیه‌ای بین ۳ تا ۱۵ ثانیه تنظیم کنند. این انعطاف‌پذیری، ساخت تبلیغات و معرفی محصولات را ساده‌تر کرده است. مدل همچنین ثبات شخصیت‌ها، سوژه‌ها و سبک بصری را در طول ویدیو حفظ می‌کند و کنترل دقیق‌تری در اختیار سازندگان قرار می‌دهد.
هزینه استفاده از نسل جدید نسبت به Gemini Omni ۱.۱ حدود ۳۰ درصد کاهش یافته است. کاربران می‌توانند ویدیوهای ۷۲۰پی را با نرخ ۰٫۰۷ دلار به‌ازای هر ثانیه تولید کنند؛ موضوعی که این ابزار را برای کاربردهای تجاری مقرون‌به‌صرفه‌تر می‌سازد.
ویژگی شاخص دیگر، قابلیت ویرایش گفت‌وگومحور چندمرحله‌ای است. با این امکان، دیگر نیازی به بازتولید کامل ویدیو برای اصلاح جزئیات کوچک نیست. کاربران می‌توانند زاویه دوربین، شرایط آب‌وهوا، نورپردازی یا پس‌زمینه را مرحله‌به‌مرحله تغییر دهند. برای نمونه، صحنه‌ای با دو شخصیت می‌تواند بدون تغییر در جزئیات زره یا کادربندی، از یک چادر به جنگل، اصطبل یا قلعه سنگی منتقل شود.
فناوری جدید با پشتیبانی از تصویر چهره و نمونه‌های صوتی کوتاه یک‌ثانیه‌ای، هماهنگی حرکت لب‌ها با کلام را بهبود بخشیده و صداگذاری چند شخصیت مجزا را به‌صورت طبیعی اجرا می‌کند. خروجی‌های این مدل در سرویس‌های ابری گوگل همراه با واترمارک نامرئی SynthID ارائه می‌شوند و توسعه‌دهندگان می‌توانند از طریق Google AI Studio به رابط برنامه‌نویسی آن دسترسی داشته باشند.
با این به‌روزرسانی، گوگل تلاش کرده تولید محتوای ویدیویی مبتنی بر هوش مصنوعی را سریع‌تر، ارزان‌تر و انعطاف‌پذیرتر کند و ابزار قدرتمندتری در اختیار سازندگان محتوا قرار دهد.