Google lança modelo de geração de vídeo Gemini Omni 1.2 Flash

De acordo com pt.wedoany.com-Em 5 de novembro, a empresa norte-americana Google lançou oficialmente o modelo de geração de vídeo Gemini Omni 1.2 Flash, disponibilizando-o a desenvolvedores e empresas por meio da Gemini API e do Gemini for Business. O novo modelo suporta geração nativa de vídeos de até 15 segundos, edição conversacional com múltiplas rodadas e controle de conteúdo de referência por imagem e vídeo, com o preço de geração de vídeo em 720p reduzido para US$ 0,07 por segundo, uma queda de 30% em relação à geração anterior, o Gemini Omni 1.1 Flash.

O novo modelo estende a duração de geração de vídeo por vez dos anteriores 10 segundos para 15 segundos, permitindo definir o comprimento do vídeo entre 3 e 15 segundos em incrementos de 1 segundo. Os usuários podem primeiro gerar um rascunho de vídeo em resolução 360p ou 720p e, em seguida, elevar o conteúdo selecionado para resolução 1080p ou 4K, concluindo a saída de vídeo em alta resolução.

O Gemini Omni 1.2 Flash aprimora a capacidade de entrada de referência multimodal, podendo combinar imagens de pessoas, produtos ou estilos, clipes de vídeo de movimento de até 3 segundos e dicas de áudio para gerar conteúdo. A Google afirma que o novo modelo é capaz de manter a consistência do rosto das pessoas, das roupas, do texto nas embalagens dos produtos e das cores da marca em diferentes planos e movimentos, além de melhorar o problema de variação de forma dos objetos em planos contínuos.

A funcionalidade de edição conversacional com múltiplas rodadas permite que os usuários façam instruções de modificação contínuas para o mesmo vídeo, incluindo a troca de produtos, fundos, condições de iluminação, clima e proporção da imagem. O modelo também aprimora a geração de fala, a sincronização labial e a capacidade de distinguir as vozes dos personagens em cenários de diálogo com múltiplas pessoas, além de suportar controles de movimento de câmera como avanço contínuo, órbita e afastamento rápido.

Na implantação para aplicações comerciais, o Gemini Omni 1.2 Flash já está integrado às plataformas Google AI Studio, Google Cloud e Flow, e oferece capacidade de geração de vídeo para o Google Vids, o aplicativo Gemini e o Google Ads. As empresas podem integrar as funcionalidades relacionadas aos seus próprios aplicativos por meio da API, e os vídeos gerados pelo modelo são simultaneamente incorporados com a marca d'água digital invisível SynthID.