Google ได้เปิดตัว Gemini Omni 1.2 Flash ซึ่งเป็นโมเดลวิดีโอที่สามารถสร้างคลิปวิดีโอความยาว 15 วินาทีได้ โดยมีราคาอยู่ที่ $0.07 ต่อวินาที
Gemini Omni 1.2 Flash เป็นโมเดลวิดีโอแบบ Multimodal จาก Google DeepMind ที่รับอินพุตได้ทั้งข้อความ รูปภาพ คลิปวิดีโอสั้น และเสียง และจะส่งออกเป็นวิดีโอพร้อมเสียง
เอกสารสำหรับนักพัฒนาของ Google อธิบายว่าไลน์ Omni นั้นรองรับ Multimodal โดยการแก้ไขจะจัดการผ่าน Interactions API
ศัพท์ที่ควรรู้
- Gemini Omni 1.2 Flash – คือโมเดลวิดีโอที่ Google เปิดตัว ซึ่งมีความสามารถในการสร้างวิดีโอ
- Multimodal – หมายถึงความสามารถของโมเดลในการรับและประมวลผลข้อมูลได้หลายรูปแบบพร้อมกัน เช่น ข้อความ ภาพ เสียง
- Google DeepMind – คือหน่วยงานที่พัฒนาโมเดลนี้ ซึ่งเป็นส่วนหนึ่งของ Google
- Interactions API – คือส่วนติดต่อโปรแกรมที่ช่วยให้ผู้ใช้สามารถสั่งการและแก้ไขโมเดลได้
ที่มา: marktechpost.com