به گزارش آی سی تی نیوز؛ گوگل روز گذشته از مدل جدید ویدیوساز خود با نام Gemini Omni 1.1 Flash رونمایی کرد. این مدل که بهصورت عمومی در دسترس قرار گرفته، امکان تولید ویدیوهای هوش مصنوعی تا ۴۰ ثانیه با خروجی ۴K را فراهم میکند و مجموعه جدیدی از کنترلهای خلاقانه را در اختیار توسعهدهندگان و کاربران قرار میدهد.
تمدید صحنه و کنترل فریم اول و آخر
یکی از مهمترین قابلیتهای Gemini Omni 1.1 Flash، امکان تمدید صحنهها برای روایت طولانیتر است. این مدل برخلاف نسخه قبلی که فقط آخرین ثانیه ویدیو را تحلیل میکرد، اکنون تا ۱۰ ثانیه از ویدیوی قبلی را بررسی کرده و صحنه را در بازههای ۱۰ ثانیهای تا مجموع ۴۰ ثانیه تمدید میکند. این قابلیت به حفظ ثبات بصری و روایی در ویدیوهای طولانیتر کمک شایانی میکند.
توسعهدهندگان همچنین میتوانند فریم اول و آخر را مشخص کنند تا مدل حرکت پیوسته بین آنها را تولید کند. این کنترل دقیق، فرآیند ساخت ویدیو را کاربردیتر و قابلپیشبینیتر کرده است.
پیشنویس با کیفیت ۳۶۰p و ارتقاء تا ۴K
حالت پیشنویس با کیفیت ۳۶۰p یکی دیگر از قابلیتهای کلیدی این مدل است که تا ۶۰ درصد سریعتر از نسخه ۷۲۰p عمل میکند و هزینه تولید را به یکسوم کاهش میدهد. پس از نهایی شدن ویدیو، کاربران میتوانند خروجی را با کیفیت ۱۰۸۰p یا ۴K تولید کنند.
مرجع ویدیویی و ورودی چندوجهی
مدل جدید قابلیت پذیرش ویدیوی مرجع تا ۳ ثانیه را دارد که به حفظ ثبات شخصیتها و محیط در ویدیوهای تولیدی کمک میکند. این ویژگی برای تولید محتوای سریالی و داستانسرایی بصری کاربرد فراوانی دارد.
یکپارچهسازی با محصولات و دسترسی
Gemini Omni 1.1 Flash از طریق Gemini API در Google AI Studio و برای مشترکان Google Flow در دسترس است. این مدل به محصولات متعددی از جمله Adobe Firefly، Figma Weave و Runway راه پیدا کرده و توسعهدهندگان میتوانند از آن در اپلیکیشنهای خود استفاده کنند. همچنین قابلیت تمدید صحنه در اپلیکیشن Gemini برای مصرفکنندگان فعال شده است.
صدرنشینی در رتبهبندی Arena
مدل جدید گوگل در رتبهبندی Text-to-Video Arena موفق شد جایگاه نخست را با ۱۴۹۵ امتیاز به دست آورد که ۲۰ امتیاز بالاتر از FLUX 3 Video در جایگاه سوم است. در بخش Image-to-Video نیز این مدل با ۱۴۸۸ امتیاز در رتبه دوم قرار گرفت و بهبود ۲۵ امتیازی نسبت به نسخه قبلی Gemini Omni Flash ثبت کرد. در این بخش تنها MiniMax-H3 بالاتر از آن ایستاده است.
تحلیل ICTNews
رونمایی از Gemini Omni 1.1 Flash نشان میدهد که گوگل با سرعت بالایی در حال پیشرفت در حوزه تولید ویدیو با هوش مصنوعی است. قابلیت تمدید صحنه تا ۴۰ ثانیه و کنترل فریم اول و آخر، این مدل را به ابزاری قدرتمند برای تولیدکنندگان محتوا تبدیل کرده است. یکپارچهسازی با محصولات مطرحی مانند Adobe Firefly و Figma نیز نشان از عزم جدی گوگل برای تبدیل این فناوری به بخشی از جریان کاری حرفهایها دارد. با توجه به صدرنشینی این مدل در رتبهبندی Arena، به نظر میرسد که رقابت در حوزه ویدیوسازی با هوش مصنوعی وارد فاز جدیدی شده است.