Google startet Gemini Omni 1.2 Flash für längere und günstigere Videogenerierung
Google führt Gemini Omni 1.2 Flash ein. Das Videogenerierungsmodell erstellt Clips mit einer Länge von bis zu 15 Sekunden, setzt Referenzen genauer um und unterstützt die Bearbeitung per Dialog. Nach Angaben des Unternehmens sinkt der Preis gegenüber Gemini Omni 1.1 um 30 Prozent auf 0,07 US-Dollar pro Sekunde für Videos in 720p.
- Gemini Omni 1.2 Flash erzeugt und bearbeitet Videos mit einer Länge von bis zu 15 Sekunden.
- Google nennt einen Preis von 0,07 US-Dollar pro Sekunde für Videos in 720p.
- Das Modell unterstützt dialogbasierte Bearbeitung über mehrere Runden hinweg bei vollständigen Clips.
- Laut Google bleiben Referenzen, Figuren, Objekte und Szenen konsistenter erhalten.
- Das Modell ist über die Gemini API und Gemini for business allgemein verfügbar.
Längere Clips und geringere Generierungskosten
Gemini Omni 1.2 Flash ist laut Google über die Gemini API und Gemini for business allgemein verfügbar. Das Modell kann Videos mit einer Länge von 3 bis 15 Sekunden nativ erzeugen und bearbeiten. Die Dauer lässt sich in Schritten von einer Sekunde festlegen. Bei Gemini Omni 1.1 lag das Maximum bei 10 Sekunden.
Google zufolge können Nutzer Entwürfe in 360p oder 720p erstellen, über nachfolgende Bearbeitungsschritte Änderungen vornehmen und ausgewählte Kreationen auf 1080p oder 4K hochskalieren. Für Videos in 720p nennt das Unternehmen einen Preis von 0,07 US-Dollar pro Sekunde. Das entspricht einer Senkung um 30 Prozent gegenüber dem Vorgängermodell.
Mehr Kontrolle über Referenzen, Bearbeitung und Bewegung
Das Modell kann Bilder von Figuren, Produkten oder Stilen mit kurzen Videoclips von bis zu drei Sekunden und Audiohinweisen kombinieren. Laut Google bewahrt Gemini Omni 1.2 Flash Gesichter, Kleidung, Typografie auf Verpackungen und Markenfarben über verschiedene Kamerawinkel hinweg konsistenter. Als mögliche Einsatzbereiche nennt das Unternehmen virtuelle Anproben, Produktdrehungen für Kataloge, Produkterklärungen und markenbezogene Videoanzeigen.
Nutzer können einen Clip Schritt für Schritt verfeinern, statt ihn von Grund auf neu zu erzeugen. Über Eingabeaufforderungen lassen sich ein Produkt oder der Hintergrund austauschen, Beleuchtung oder Wetter ändern und das Seitenverhältnis anpassen, während Elemente des bestehenden Videos erhalten bleiben. Nach Angaben von Google funktioniert die dialogbasierte Bearbeitung über mehrere Runden hinweg auch bei vollständigen 15-Sekunden-Clips.
Google beschreibt außerdem natürlicher klingende Dialoge, eine klarere Lippensynchronisation und eine differenzierte Steuerung für mehrere Sprecher. Das Modell unterstützt laut Unternehmen kontinuierliche Kamerabewegungen, darunter FPV-Durchflüge, Herauszoomen und Umkreisungen, mit weniger unerwünschten harten Schnitten.
Verfügbarkeit in Google-Produkten
Entwickler können über die Gemini API auf Gemini Omni 1.2 Flash zugreifen, Prototypen in Google AI Studio erstellen und Google Cloud für Unternehmenslösungen nutzen. Laut Google ist Provisioned Throughput verfügbar. Die Ausgaben enthalten zudem ein nicht wahrnehmbares SynthID-Wasserzeichen.
Das Modell wird schrittweise in Googles Produkten und Entwicklerplattformen eingeführt. Unternehmen können es in der Google-Cloud-Konsole und in Gemini for business nutzen. Nutzer von Google-Apps können in Flow Szenen vorgeben und Bearbeitungen über mehrere Dialogrunden hinweg vornehmen, in Google Vids mit einem Google-Konto oder Google-Workspace-Abonnement 15-Sekunden-Clips ohne zusätzliche Kosten erstellen und in der Gemini-App 15-Sekunden-Videos erzeugen, sobald die Funktion für Google-AI-Ultra-Abonnenten ausgerollt wird.
Google zufolge wird die Entwicklung unter anderem in den Bereichen schnelle Sportbewegungen, rasche Drehbuchänderungen und komplexe Physik fortgesetzt. Vorerst positioniert das Unternehmen Gemini Omni 1.2 Flash für Unternehmen, Entwickler und Kreative, die Videos in großem Umfang produzieren. Längere Einzelgenerierungen und iterative Bearbeitung sollen dabei wiederholte Arbeit reduzieren.
