
Google 发布了由人工智能驱动的视频生成模型 Gemini Omni 1.2 Flash。新模型凭借长达15秒的视频生成、语音编辑视频、对参考图像具有更高的忠实度以及更一致的角色表现等创新功能引人注目。
此外,Google 将此前版本的模型价格降低了30%。通过 Gemini API 和 Google Cloud 向公众开放的 Gemini Omni 1.2 Flash,其 720p 视频生成的定价为每秒 0.07 美元。用户可以先以 360p 或 720p 分辨率创建并编辑视频,然后将其选择的内容提升至 1080p 或 4K。
可生成长达15秒的视频
在 Gemini Omni 1.1 中,最大视频时长为 10秒,而在新版本中已延长至 15秒。用户可以在 3到15秒之间,以1秒为间隔设定视频长度。据 Google 称,这一变化特别有助于一次性生成产品演示、社交媒体广告和短篇故事格式的内容。
该模型的突出创新之一是提高了对参考内容的忠实度。用户除了可以使用角色、产品或风格图像外,还可以使用最长3秒的动态影像和声音参考素材。Gemini Omni 1.2 Flash 旨在不同镜头角度下更一致地保留面部、服装、产品包装、字体和品牌颜色等细节。借助此功能,例如可以将模特照片与不同服装的前后视图提供给模型,从而生成保留角色和服装细节的虚拟试穿视频。
支持语音编辑视频
多轮对话式编辑功能允许用户在无需从头重新生成视频的情况下修改其创建的视频。诸如更换背景、调整光线或天气条件、替换产品或更改视频的宽高比等操作,均可通过后续指令完成。Google 表示,该模型在角色、物体和场景的一致性方面较前一版本有所改进。据称,特别是在动态场景和镜头切换中,物体形状变形或视觉细节丢失等问题已得到减少。
Gemini Omni 1.2 Flash 还在生成更自然的对话、更准确的唇形同步以及分离多个说话者声音方面进行了改进。此外,它还包含在相关方面的改进。在摄像头方面,FPV飞行、从广角视角拉远和轨道式摄像机运动等连续动作旨在以更少的不期望中断来生成。
Gemini Omni 1.2 Flash 除在 Gemini API、Google AI Studio 和 Google Cloud 可用外,还可在 Flow、Google Vids 和 Google Ads 等 Google 产品中使用。在 Gemini 应用中,15秒视频生成功能开始向 Google AI Ultra 订阅用户推出。
模型生成的内容中还包含 Google 为其 AI 内容标记而开发的隐形 SynthID 水印。Google 还指出,该模型在快速体育动作、突然场景切换以及涉及复杂物理效果的画面方面仍在持续开发和改进中。

