Google şirketi, yapay zeka aracılığıyla video oluşturma ve işleme konusunda uzmanlaşmış geliştirilmiş modeli Gemini Omni 1.2 Flash'ı tanıttı. Yeni sürüm, üretim verimliliğini artırmaya ve maliyetleri düşürmeye odaklanan teknik iyileştirmelerin yanı sıra, ardışık metin ve ses komutları aracılığıyla etkileşimli kontrol ve düzenleme yeteneklerini güçlendiren bir paket sunuyor.
Daha Uzun Süre ve %30 Üretim Maliyeti Düşüşü
Yeni güncelleme, önceki 1.1 sürümündeki 10 saniyelik tek klip maksimum uzunluğunu 15 saniyeye çıkarırken, kullanıcılara bir saniyelik aralıklarla 3 ila 15 saniye arasında gösterim süresini özelleştirme özgürlüğü tanıyor. Bu adım, içerik üreticilerinin ve pazarlamacıların sosyal medya reklamlarını ve ürün tanıtım sunumlarını, ayrı çekimleri birleştirmeye gerek kalmadan tek bir kesintisiz klipte üretmelerini amaçlıyor.
Fiyatlandırma cephesinde ise Google, Gemini API ve Google Cloud platformu üzerinden 720p çözünürlükte video üretim fiyatını saniye başına 0.07 dolar olarak belirleyerek, önceki sürüme kıyasla işleme maliyetini %30 oranında azalttı. Yeni mekanizma, geliştiricilerin tüketimi optimize etmek için ön taslakları 360p veya 720p çözünürlükte oluşturup önizlemesini yapmasına, nihai onay aşamasında ise son kopyaların çözünürlüğünü 1080p veya 4K'ya yükseltmesine olanak tanıyor.
Sohbet Yoluyla Video Düzenleme ve Görsel Öğe Tutarlılığı
Model, ürünlerin veya karakterlerin sabit görsellerinin yanı sıra üç saniyeye kadar olan hareketli referans kliplerini ve rehber ses kanallarını sağlamaya imkan tanıyarak referans medya için gelişmiş destek sunuyor. Bu yapı; kamera açıları ve sahne hareketi değişirken yüz hatlarının, marka renklerinin, yazı tiplerinin, kıyafet ve ambalaj detaylarının sabit kalmasına katkıda bulunuyor ki bu da moda ve ticari ürünler için sanal deneme uygulamalarına hizmet ediyor.
Ayrıca Gemini Omni 1.2 Flash, çok turlu etkileşimli düzenlemeyi (Multi-turn conversational editing) destekleyerek düzenleme yapma isteği durumunda videonun tamamen yeniden üretilmesi ihtiyacını ortadan kaldırıyor. Kullanıcılar artık şu gibi unsurları değiştirmek için sonraki talimatları verebiliyor:
- Sahne arka planlarını değiştirmek veya aydınlatma ile hava koşullarını ayarlamak.
- Sahne hareketini koruyarak çerçeve içindeki ürünleri değiştirmek.
- Farklı dijital platformlara uyum sağlamak için en-boy oranlarını düzenlemek.
- Dudak senkronizasyonunu iyileştirmek ve birden fazla konuşmacının sesini izole ederek doğal etkileşimli diyaloglar üretmek.
Kullanılabilirlik ve Mevcut Teknik Sınırlamalar
Model; Google AI Studio, Gemini API ve Google Cloud üzerinden doğrudan kullanım için erişilebilir hale gelirken, Google AI Ultra planı aboneleri için Gemini uygulaması içerisinde 15 saniyelik video üretim özelliğine yer verildi. Üretilen tüm içerikler, yapay kaynak içeriğini belgelemek için görünmeyen bir SynthID filigranı taşıyor.
Öte yandan Google, özellikle hızlı sportif hareketleri, ani sahne geçişlerini ve son derece karmaşık optik fizike dayanan fenomenleri simüle ederken mevcut modelde hala geliştirme aşamasında olan mühendislik sınırlamalarının bulunduğunu kabul etti.