گوگل Gemini Omni 1.1 Flash با کنترل بیشتر و قابلیتهای تازه برای تولید ویدیو معرفی شد
گوگل با معرفی Gemini Omni 1.1 Flash، مجموعهای از قابلیتهای جدید برای کنترل دقیقتر تولید ویدیوی مولد ارائه کرده است. این نسخه میتواند صحنههای ویدیویی را با اتکا به ۱۰ ثانیه محتوای قبلی ادامه دهد، بین فریم آغازین و پایانی ویدیو بسازد و خروجیهای پیشنمایش 360p را سریعتر تولید کند. Omni 1.1 همچنین ارتقای وضوح تا 4K را برای تولید حرفهایتر در اختیار توسعهدهندگان قرار میدهد.
مهمترین تغییر در قابلیت ادامه صحنه دیده میشود؛ جایی که Omni 1.1 Flash بهجای تکیه بر تنها یک ثانیه پایانی ویدیو، میتواند حداکثر ۱۰ ثانیه از محتوای قبلی را بررسی کند. این تغییر به حفظ بهتر سازگاری بصری و پایبندی به روایت کمک میکند و امکان ساخت داستانهای طولانیتر یا تغییر مسیر خلاقانه آنها را فراهم میسازد، این مدل هر بار میتوان ۱۰ ثانیه به ویدیو افزود.
نمونه ویدیوهای تولید شده یا افزایش وضوح داده شده با Omni 1.1 Flash:
توسعهدهندگان در مجموع میتوانند با ادامهدادن ویدیوها در بازههای ۱۰ ثانیهای، طول تجمعی آنها را به حداکثر ۴۰ ثانیه برسانند. قابلیت دیگری که به کنترل تولید کمک میکند، تعیین فریم اول و آخر است. Omni 1.1 Flash با دریافت این دو فریم کلیدی، ویدیویی پیوسته میان آنها ایجاد میکند؛ قابلیتی که برای حرکتهای پیچیده دوربین، انتقالهای زوم و ساخت کلیپهای حلقهای یکپارچه کاربرد دارد.
Omni 1.1 Flash برای نمونهسازی سریع نیز گزینهای سبکتر ارائه میدهد. توسعهدهندگان میتوانند پیشنمایشهای 360p را تا ۶۰ درصد سریعتر و با یکسوم هزینه وضوح استاندارد 720p تولید کنند. این حالت برای ساخت۷ نمونههای اولیه، اصلاح و تکرار استوریبرد و رندرگیری سریع در پلتفرمهای توسعهدهندگان در نظر گرفته شده است و به کاهش زمان و هزینه مرحله آزمایش کمک میکند.
در بخش ورودیهای چندوجهی نیز امکان استفاده از ویدیوهای مرجع اضافه شده است که کاربر میتواند هنگام طراحی یک صحنه، حداکثر سه ثانیه ویدیو را بهعنوان مرجع در اختیار اومنی ۱.۱ فلش بگذارد تا زمینه بصری و سازگاری شخصیتها بر اساس محتوای مرجع حفظ شود. گوگل همچنین مجموعهای از ایدهها برای استفاده از این قابلیتها در ابزارهای سفارشی و گردشکارهای خلاقانه ارائه کرده است تا کاربردهای احتمالی Omni Flash در توسعه محصولات مشخصتر شود.
گوگل میگوید مشتریانش همین حالا از Gemini Omni Flash در فرایندهای تولید واقعی، از طریق Agent Platform API استفاده میکنند. این شرکت ویدیوهای تولیدشده توسط مشتریان و توضیح آنها درباره نحوه استفاده از مدل را نیز برای نمایش این کاربردها ارائه کرده است و در کنار آن، Omni 1.1 Flash از طریق Gemini API در Google AI Studio برای استفاده حرفهای در توسعه گردشکارهای ویدیویی، ابزارهای خلاقانه و نرمافزارهای ویرایش رسانه عرضه میشود.
عرضه اومنی ۱.۱ فلش در اکوسیستم توسعهدهندگان گوگل آغاز شده است و کاربران میتوانند آن را در Google AI Studio امتحان کنند. شرکتها از طریق Agent Platform API در Gemini Enterprise Agent Platform به مدل دسترسی دارند. مستندات رسمی، Cookbook و راهنماهای پرامپتنویسی برای ادغام قابلیتهای جدید ارائه شدهاند. Omni 1.1 Flash همچنین از امروز در Google Flow برای مشترکان Google AI Plus، Pro و Ultra در سراسر جهان در دسترس است.
