La empresa Google ha desvelado su modelo mejorado Gemini Omni 1.2 Flash, especializado en la generación y procesamiento de clips de vídeo mediante inteligencia artificial. La nueva versión ofrece un conjunto de mejoras técnicas centradas en elevar la eficiencia de producción y reducir costes, además de potenciar las capacidades de control y edición interactiva a través de comandos sucesivos de texto y voz.
Mayor duración y reducción del coste de producción en un 30%
La nueva actualización ha incrementado el límite máximo de duración de un solo clip de 10 segundos en la versión anterior 1.1 para alcanzar los 15 segundos, otorgando a los usuarios la libertad de personalizar el tiempo de visualización entre 3 y 15 segundos con intervalos de un segundo. Este paso tiene como objetivo permitir a los creadores de contenido y especialistas en marketing producir anuncios para plataformas sociales y presentaciones promocionales de productos en un solo clip continuo, sin necesidad de fusionar tomas separadas.
En cuanto a los precios, Google ha reducido el coste de procesamiento en un 30% en comparación con la versión anterior; ha fijado el precio de generación de vídeo a una resolución de 720p en 0.07 dólares por segundo a través de la interfaz de programación Gemini API y la plataforma Google Cloud. El nuevo mecanismo permite a los desarrolladores crear borradores iniciales y previsualizarlos a una resolución de 360p o 720p para optimizar el consumo, y luego elevar la resolución de las copias finales a 1080p o 4K al aprobar la versión definitiva.
Edición de vídeo mediante conversación y consistencia de elementos visuales
El modelo ofrece un soporte avanzado para medios de referencia, permitiendo alimentarlo con imágenes estáticas de productos o personajes, además de clips de movimiento de referencia de hasta tres segundos de duración y pistas de audio de guía. Esta arquitectura contribuye a mantener la estabilidad de los rasgos faciales, los colores de marca, las fuentes tipográficas y los detalles de la ropa y los envases durante los cambios de ángulo de cámara y el movimiento de la escena, lo que beneficia a las aplicaciones de prueba virtual de moda y productos comerciales.
Asimismo, Gemini Omni 1.2 Flash admite la edición interactiva de múltiples turnos (multi-turn conversational editing), lo que elimina la necesidad de volver a generar todo el vídeo cuando se desea realizar una modificación. Los usuarios ya pueden emitir instrucciones posteriores para cambiar elementos tales como:
- Sustituir los fondos de las escenas o ajustar la iluminación y las condiciones climáticas.
- Cambiar los productos dentro del fotograma manteniendo el movimiento de la escena.
- Modificar las relaciones de aspecto para adaptarlas a diferentes plataformas digitales.
- Mejorar la sincronización de los movimientos de los labios y generar diálogos interactivos naturales con aislamiento de las voces de múltiples oradores.
Disponibilidad y limitaciones técnicas actuales
El modelo ya está disponible para su uso directo a través de Google AI Studio, Gemini API y Google Cloud, además de haberse integrado en las herramientas empresariales de Google como Flow, Google Vids y Google Ads, mientras que la función de generación de vídeo de 15 segundos se ha reservado dentro de la aplicación Gemini para los suscriptores del plan Google AI Ultra. Todos los clips producidos llevan la marca de agua invisible SynthID para documentar el origen artificial del contenido.
Por otro lado, Google ha reconocido la existencia de limitaciones de ingeniería que aún están en desarrollo en el modelo actual, especialmente al simular movimientos deportivos rápidos, transiciones repentinas en las escenas y fenómenos que dependen de una física óptica extremadamente compleja.