Google подовжив ШІ-відео до 15 секунд і здешевив
Google DeepMind відкрив загальний доступ до Gemini Omni 1.2 Flash. Ролики тривають від 3 до 15 секунд (раніше максимум 10). Ціна знизилась на 30% і становить $0,07 за секунду 720p. Модель розгортають у Gemini API, AI Studio, Flow, Google Vids і Google Ads. Кліп можна правити в діалозі: змінювати фон, світло чи формат без повної перегенерації.
Google обіцяє, що обличчя, одяг, шрифти на упаковці й фірмові кольори з референсів лишатимуться однаковими з різних ракурсів. Як приклад компанія показує віртуальну примірку трьох образів, згенеровану з одного фото моделі.
Що це означає для бізнесу: якщо крутите рекламу в Google Ads, модель зʼявляється і там. Рахуйте бюджет за схемою Google: чернетки в 360p чи 720p, правки діалогом, і лише фінал у 1080p або 4K. Стабільність товару в кадрі поки лише обіцяє Google. Проженіть модель на своїх фото, перш ніж скасовувати зйомку.
Де з'являється модель і що з маркуванням
За даними Google, Gemini Omni 1.2 Flash розгортають у кількох продуктах. Крім названих у пості Gemini API, AI Studio, Flow, Google Vids і Google Ads, модель також з'являється в Google Cloud Console і в застосунку Gemini. У застосунку вона доступна лише передплатникам Google AI Ultra.
Кожне згенероване відео містить непомітний водяний знак SynthID, який позначає його походження. Для юристів і маркетологів це означає, що ролик, створений цією моделлю, несе вбудовану мітку ШІ-генерації, навіть якщо глядач її не бачить.
Скільки коштує ролик і як Google пропонує економити
Ціна $0,07 за секунду, яку наводить Google, стосується саме відео в 720p. Відповідно, максимальний 15-секундний кліп у 720p обійдеться в $1,05. Знижку на 30% Google рахує відносно попередньої версії моделі.
Правки в діалозі, за словами Google, працюють на всій довжині ролика, тобто на всіх 15 секундах. Разом зі ступінчастою схемою роботи ця функція розрахована на те, щоб знизити витрати:
- чернетку створюють у 360p або 720p;
- окремі деталі виправляють наступною правкою, без повної перегенерації;
- до 1080p або 4K масштабують лише фінальний варіант.
Що можна подати на вхід і що обіцяють на виході
Як матеріал для генерації модель, за даними Google, приймає:
- зображення персонажів;
- фото товарів;
- короткі кліпи з рухом тривалістю до трьох секунд;
- аудіопідказки.
Приклад із віртуальною приміркою Google описує детальніше, ніж пост. На вхід подали одне фото моделі та предметні знімки трьох комплектів одягу. На виході вийшла 15-секундна послідовність із поворотами на 360 градусів. За словами Google, у ній збережено зовнішність моделі, а також крій і посадку кожного вбрання.
Google також стверджує, що порівняно з попередником у кадрі менше «дрейфу» й деформацій під час руху та зміни ракурсу. Діалоги в роликах звучать природніше, синхронізація губ чіткіша, а модель розрізняє кількох мовців. Ще одна заявлена зміна стосується складних безперервних рухів камери, як-от FPV-проліт дрона чи різкий відʼїзд: тепер у них, за словами компанії, значно менше небажаних стрибків монтажу.
Кому це стосується
Найпряміше оновлення стосується команд, які роблять рекламу й товарний контент: e-commerce, fashion, брендів упакованих товарів. Саме для їхніх сценаріїв Google обіцяє стабільність облич, одягу, шрифтів на упаковці та фірмових кольорів. Усі заяви про якість і узгодженість поки що походять від самої компанії. Ціни для 1080p і 4K у матеріалі не наведено, тож повну вартість фінальних роликів наперед не розрахувати.
Продукти: Курс