Google veröffentlicht Videomodell Gemini Omni 1.2 Flash
Laut Matthew Berman ist Googles Gemini Omni 1.2 Flash schneller und rund 30 % günstiger als sein Vorgänger, erzeugt längere Clips und erlaubt Bearbeitungen direkt im Chat.
Google hat Gemini Omni 1.2 Flash allgemein verfügbar gemacht. Laut Googles Ankündigung erzeugt das Videomodell nun native Clips von 15 Sekunden Länge statt 10 Sekunden wie bei Omni 1.1 und kostet 30 % weniger. Im Beitrag von Produktmanager Anish Nangia nennt Google einen Preis von 0,07 US-Dollar pro Sekunde für 720p-Video. Matthew Berman, der die Veröffentlichung in seinem KI-Nachrichtenüberblick behandelte, fasste sie so zusammen: schneller und 30 % günstiger, mit längeren Clips, Bearbeitung innerhalb der Konversation, natürlicherer Sprache und besser steuerbaren Einstellungen.
Wie stark die Kosten sinken, hängt auch vom Workflow ab. Laut Google können Nutzer Entwürfe in 360p oder 720p erstellen, ein Detail mit einer nachträglichen Bearbeitung korrigieren, statt den ganzen Clip neu zu generieren, und erst danach die finale Fassung auf 1080p oder 4K hochskalieren. Die Cliplänge lässt sich in Schritten von einer Sekunde zwischen 3 und 15 Sekunden festlegen.
Googles Beschreibung des Umgangs mit Referenzen ist konkreter als die Kommentare dazu. Nutzer können Bilder von Figuren, Produkten oder Stilen mit Bewegungsclips von bis zu drei Sekunden und Audiohinweisen kombinieren. Laut Google hält das Modell Gesichter, Kleidungsstücke, Verpackungstypografie und Markenfarben über verschiedene Kamerawinkel hinweg konsistent. Die Bearbeitung über mehrere Runden funktioniert bei vollständigen 15-Sekunden-Clips: Nutzer können also mit einer Folgeanweisung den Hintergrund austauschen oder die Beleuchtung ändern, statt den Clip von Grund auf neu zu erstellen. Der Beitrag liefert Beispiele, aber keine unabhängigen Messungen der Konsistenz.
Googles Beitrag beschreibt eine schnellere Generierung, nennt aber keine Zeitangaben. Die höhere Geschwindigkeit ist daher eine Darstellung aus der Ankündigung und kein gemessenes Ergebnis. Berman sagte außerdem, Google sei derzeit eines der wenigen Frontier-Labs mit einem Videomodell, und fügte hinzu, OpenAI habe Sora eingestellt.
Googles Beitrag listet auch auf, woran noch gearbeitet wird: schnelle Sportszenen, rasche Wechsel im Skript und komplexe Physik. Verfügbar ist das Modell in mehreren Produkten. Entwickler können es über die Gemini API und Google Cloud nutzen. Google Vids bietet 15-Sekunden-Clips ohne Aufpreis mit einem Google-Konto oder einem Workspace-Abo, und in der Gemini-App wird das Modell derzeit für Abonnenten von Google AI Ultra ausgerollt. Die Ergebnisse tragen ein nicht wahrnehmbares SynthID-Wasserzeichen.
Was sich ändert
Art: Neue Funktion · Betrifft: Gemini Omni 1.2 Flash, Omni 1.1, Gemini API, Google Cloud, Google Vids, Gemini app
Warum es wichtig ist
Teams, die Videofunktionen entwickeln, können von niedrigeren Generierungskosten und längeren Clips eines schnelleren Modells profitieren.
Originalquelle
Wo wir es gesehen haben
Forward Future (Matthew Berman)
KI hat diese Zusammenfassung aus den genannten Quellen geschrieben und ins Deutsche übersetzt. Niemand hat sie vor der Veröffentlichung einzeln geprüft. Bitte prüfen Sie die Originalquelle, bevor Sie sich darauf verlassen. So funktioniert es