گوگل از Gemini Omni 1.2 Flash رونمایی کرد؛ انقلابی در تولید و ویرایش ویدیو

شرکت گوگل با معرفی مدل جدید Gemini Omni 1.2 Flash، گام بلندی در جهت تحول تولید محتوای بصری برداشته است. این مدل هوش مصنوعی جدید نه تنها سرعت و هوشمندی خود را ارتقا داده، بلکه با کاهش چشمگیر هزینه‌ها، دسترسی توسعه‌دهندگان به ابزارهای پیشرفته تولید ویدیو را تسهیل کرده است.

تحول در تولید ویدیو با Gemini Omni 1.2 Flash

یکی از قابلیت‌های انقلابی این مدل، امکان ساخت مستقیم ویدیوهای باکیفیت با مدت‌زمان بین ۳ تا ۱۵ ثانیه است. برخلاف نسخه‌های پیشین که محدودیت‌های زمانی بیشتری داشتند، این مدل جدید با رعایت ثبات شخصیت‌ها و سبک بصری، کنترل بی‌نظیری را در اختیار سازندگان محتوا قرار می‌دهد.

در ادامه، جزئیات مربوط به بهبود هزینه‌ها و مشخصات فنی این مدل آورده شده است:

ویرایش هوشمند و گفت‌وگومحور محتوا

قابلیت ویرایش چندمرحله‌ای در Gemini Omni 1.2 Flash، نیاز به بازسازی کل ویدیو برای تغییرات جزئی را از بین برده است. کاربران می‌توانند با استفاده از دستورات متنی، تغییراتی نظیر موارد زیر را اعمال کنند:

• تغییر زاویه دوربین و نورپردازی صحنه
• اصلاح شرایط آب‌وهوا و محیط پس‌زمینه
• تغییر فضا (مثلاً از چادر به جنگل یا قلعه) بدون آسیب به جزئیات شخصیت‌ها

«این فناوری با پشتیبانی از تصویر چهره و نمونه‌های صوتی، هماهنگی حرکت لب‌ها با کلام را به شکلی طبیعی و پیشرفته اجرا می‌کند.»

امنیت و دسترسی توسعه‌دهندگان

گوگل برای مقابله با سوءاستفاده از محتواهای تولید شده، از فناوری SynthID برای درج واترمارک‌های نامرئی در خروجی‌های این مدل استفاده می‌کند. توسعه‌دهندگان می‌توانند از طریق پلتفرم Google AI Studio به رابط کاربری برنامه‌نویسی این مدل دسترسی پیدا کرده و آن را در پروژه‌های خود ادغام کنند.

در نهایت، مدل جدید گوگل با تمرکز بر کارایی بالا و هزینه پایین، مسیر را برای ورود گسترده‌تر هوش مصنوعی مولد به دنیای تبلیغات و تولید محتوای تجاری هموار می‌کند.