Google Deepmind ได้ทำให้โมเดลสร้างวิดีโอ Gemini Omni 1.2 Flash พร้อมให้ใช้งานทั่วไปแล้ว ซึ่งสามารถเข้าถึงได้ผ่าน Gemini API, Google AI Studio, Google Cloud Console, Flow, Google Vids, แอป Gemini สำหรับผู้ใช้ Google AI Ultra และ Google Ads
ปัจจุบันคลิปสามารถมีความยาวระหว่างสามถึงสิบห้าวินาที ซึ่งเพิ่มขึ้นจากสูงสุดเดิมที่ 10 วินาที และราคาลดลง 30% เหลือเพียง $0.07 ต่อวินาทีสำหรับวิดีโอ 720p
ฟีเจอร์เด่นคือ “Conversational Editing” ที่ช่วยให้ผู้ใช้ปรับแต่งคลิปที่สร้างขึ้นทีละขั้นตอน เช่น การเปลี่ยนฉากหลังหรืออัตราส่วนภาพ โดยไม่ต้องเรนเดอร์ใหม่ทั้งหมด
โมเดลนี้รับอินพุตเป็นภาพตัวละคร ภาพผลิตภัณฑ์ หรือคลิปสั้นๆ ไม่เกินสามวินาที และเสียง เพื่อรักษาความสม่ำเสมอของใบหน้า เสื้อผ้า และสีแบรนด์ แม้จะมีการเปลี่ยนมุมกล้อง
นอกจากนี้ Gemini Omni 1.2 Flash ยังสามารถสร้างบทสนทนาที่ฟังดูเป็นธรรมชาติมากขึ้น พร้อมการซิงค์ริมฝีปากที่ชัดเจน และรองรับการเคลื่อนไหวของกล้องที่ซับซ้อน เช่น การบินของโดรน FPV
Google ให้คำมั่นถึงผลลัพธ์ที่สม่ำเสมอด้วยภาพอ้างอิง
โมเดลสามารถรับภาพตัวละคร ภาพผลิตภัณฑ์ หรือคลิปสั้นๆ ไม่เกินสามวินาที และเสียง เพื่อให้คงความสม่ำเสมอขององค์ประกอบต่างๆ ในวิดีโอที่สร้างขึ้นAI News โดยไม่มีการปรุงแต่ง – คัดสรรโดยมนุษย์
สำหรับผู้ที่สนใจ สามารถติดตาม THE DECODER เพื่อรับจดหมายข่าว AI รายสัปดาห์ และรายงานเชิงลึกอื่นๆ ได้ศัพท์ที่ควรรู้
- Gemini Omni 1.2 Flash – คือโมเดลสร้างวิดีโอที่ Google เปิดให้ใช้งานทั่วไป ซึ่งมีความสามารถในการปรับปรุงและขยายขีดจำกัดของวิดีโอ
- Conversational Editing – เป็นฟีเจอร์ที่อนุญาตให้ผู้ใช้แก้ไขคลิปที่สร้างขึ้นทีละขั้นตอน เช่น การเปลี่ยนฉากหลังโดยไม่ต้องสร้างใหม่ทั้งหมด
- API – คือชุดโปรแกรมที่ช่วยให้แอปพลิเคชันต่างๆ สามารถสื่อสารและทำงานร่วมกันได้
ที่มา: The Decoder