Tizenöt másodpercre bővül az Omni videógenerálása

A Google bejelentése szerint a Gemini Omni 1.2 Flash a korábbi tíz helyett legfeljebb tizenöt másodperces videókat készít és szerkeszt. Az alkotók egymás után kérhetik a háttér vagy a világítás módosítását, a teljes jelenet ismételt leírása nélkül. A Google ezt üzleti videók változatainak elkészítésére ajánlja. Ezek a fejlesztő állításai, nem egy független teszt eredményei.

Az API útmutatója a működést is leírja: a szerkesztés a korábbi interakció azonosítójára hivatkozik, és minden forduló új videót hoz létre. A tárolás kikapcsolása megakadályozza a későbbi szerkesztést ezen az azonosítón keresztül. A korlátok feladatonként is eltérnek. A megadott kezdő és záró kép közötti átmenet csak három–tíz másodperces lehet. Feltöltött videók szerkesztése vagy meghosszabbítása nem érhető el az Európai Gazdasági Térségben, Svájcban és az Egyesült Királyságban; a modell által készített videók szerkesztése és meghosszabbítása ott is támogatott. A hosszabb generálási határ tehát nem ír le minden műveletet.

A modellkártya hanggal kísért videót jelöl meg kimenetként, és ismerteti a fejlesztés, illetve az éles működés védelmi megoldásait. A Google szerint a tanítás során szintetikus képaláírásokkal javítja a fogalmak megjelenítését, az éles rendszerben szűrőkkel igyekszik megelőzni a nem kívánt kimeneteket, a generált tartalmat pedig SynthID-vízjelekkel azonosítja. Kifejezetten korlátozza azt a képességet is, amellyel a modell emberek beszédét változtatja meg. A beszélgetéses szerkesztés ezért nem jelent korlátlan beszédszerkesztést.

A MarkTechPost összefoglalója a kiadás bejelentését a Google felhős közlésével és fejlesztői dokumentációjával kapcsolja össze.