Google, video üreten Gemini Omni 1.2 Flash'ı kullanıma sundu: 15 saniye ve yüzde 30 indirim

Google DeepMind, video üreten yapay zekâ modeli Gemini Omni 1.2 Flash'ı genel kullanıma sundu. Şirketin açıklamasına göre yeni sürüm 15 saniyeye kadar klip oluşturuyor, kullanıcıların videoyu sohbet üzerinden adım adım düzenlemesine izin veriyor ve önceki modele kıyasla yüzde 30 daha ucuza çalışıyor.

Klipler artık 3 ila 15 saniye arasında üretilebiliyor; önceki sürümde bu süre en fazla 10 saniyeydi. 720p video için fiyat saniye başına 0,07 dolara indi. Model, Gemini API, Google AI Studio, Google Cloud Console, Flow, Google Vids, Google AI Ultra aboneleri için Gemini uygulaması ve Google Ads üzerinden erişilebiliyor.

Gemini Omni 1.2 Flash neler yapabiliyor?

Öne çıkan yeniliklerden biri Google'ın "Konuşmalı Düzenleme" adını verdiği özellik. Kullanıcılar oluşturdukları klibin arka planını, ışığını veya en-boy oranını videonun tamamını yeniden üretmeden değiştirebiliyor. Şirkete göre bu özellik 15 saniyelik videonun tamamında çalışıyor.

Google, maliyeti düşürmek için kademeli bir akış öneriyor: Taslak önce 360p veya 720p çözünürlükte oluşturuluyor, ayrıntılar takip eden düzenlemelerle düzeltiliyor ve yalnızca nihai sonuç 1080p ya da 4K'ya yükseltiliyor.

Referans görsellerde tutarlılık artıyor

Google, referans görsellere bağlılığın belirgin biçimde arttığını belirtiyor. Model girdi olarak karakter fotoğrafları, ürün görselleri, en fazla 3 saniyelik kısa hareketli klipler ve ses ipuçları alabiliyor. Yüzlerin, kıyafetlerin, ambalaj yazılarının ve marka renklerinin farklı kamera açılarında tutarlı kalması hedefleniyor.

Şirketin örneklerinden biri sanal kıyafet denemesi: Tek bir model fotoğrafı ve üç kıyafetin ürün çekiminden yola çıkan model, 360 derece dönüşler içeren 15 saniyelik bir sekans üretiyor ve modelin kimliğiyle her kıyafetin kesimini ve duruşunu koruyor.

Google'a göre hareket ve kamera geçişlerinde önceki modele kıyasla daha az görsel kayma ve bozulma yaşanıyor. Model ayrıca daha akıcı diyalog, daha net dudak senkronu ve birden fazla konuşmacıyı ayırt etme yeteneği sunuyor. FPV drone uçuşları ya da ani zoom-out'lar gibi karmaşık ve kesintisiz kamera hareketlerinde istenmeyen atlamaların da azaldığı belirtiliyor.

Üretilen videolarda SynthID filigranı

Google, üretilen her videoya kaynağını işaret eden ve insan gözünün fark edemediği SynthID filigranı ekliyor. Şirket bu özelliği yapay zekâyla üretilen içeriğin ayırt edilebilmesi için sunuyor.

Neden önemli?

Video üretim modellerinde süre ve maliyet, kullanıcıların hangi aracı seçeceğini belirleyen iki temel unsun. 15 saniyeye çıkan süre ve saniye başına 0,07 dolara inen fiyat, kısa tanıtım ve reklam içerikleri üreten ekipler için bir klibi baştan üretme ihtiyacını azaltmayı amaçlıyor. Konuşmalı Düzenleme özelliği de tek bir karenin düzeltilmesi için tüm videonun yeniden oluşturulmasını gereksiz kılıyor.

Google'ın modeli dağıttığı kanallar arasında reklam aracı Google Ads'in de bulunması, şirketin üretken videoyu reklam üretim süreçlerine taşıma niyetini gösteriyor. Türkiye'de kullanıcıların modele hangi kanallardan ve ne zaman erişebileceğine dair bir açıklama ise kaynak metinde yer almıyor.