پرش به محتوای اصلی
اخبار هوش مصنوعی

Gemini Omni 1.2 Flash معرفی شد؛ ویدئوهای ۱۵ ثانیه‌ای با قیمت کمتر

مدل تازه گوگل ویدئوهای تا ۱۵ ثانیه می‌سازد و ویرایش مرحله‌ای دارد. قیمت، دسترسی و محدودیت‌های Gemini Omni 1.2 Flash را بررسی می‌کنیم.

۴ دقیقه مطالعه
اشتراک‌گذاری:
نمایی از محیط جمینای گوگل
نمایی از محیط جمینای گوگل
فهرست مطالب

گوگل در ۵ نوامبر ۲۰۲۶ مدل Gemini Omni 1.2 Flash را برای ساخت و ویرایش ویدئو معرفی کرد. این مدل می‌تواند کلیپ‌هایی تا ۱۵ ثانیه بسازد و تغییرات بعدی را با دستورهای متنی در چند مرحله اعمال کند. گوگل می‌گوید قیمت ویدئوی ۷۲۰p به ازای هر ثانیه ۰٫۰۷ دلار است و این مدل در Gemini API و سرویس‌های کسب‌وکار عرضه شده است.

یکی از جاهایی که این مدل به آن اضافه می‌شود Google Vids است. اگر با محیط ساخت ویدئوی گوگل آشنایی ندارید، در آموزش ساخت آواتار از عکس در Google Vids می‌توانید با بخش دیگری از ابزارهای ویدئویی آن آشنا شوید. آواتار سخنگو و ساخت کلیپ با Omni دو قابلیت متفاوت‌اند و شرایط استفاده هرکدام را باید جداگانه بررسی کرد.

ویدئوهای طولانی‌تر و ویرایش مرحله‌ای

طبق اطلاعیه رسمی گوگل، مدت کلیپ در مدل تازه از ۳ تا ۱۵ ثانیه، با گام‌های یک‌ثانیه‌ای قابل انتخاب است. سقف نسخه قبلی Omni 1.1 ده ثانیه بود. این افزایش برای ساخت یک صحنه تبلیغاتی کوتاه یا بخشی از ویدئوی آموزشی مفید است، اما برای ویدئوهای طولانی همچنان باید چند کلیپ جداگانه را تدوین کرد.

ویرایش گفت‌وگومحور به کاربر امکان می‌دهد پس از ساخت کلیپ، مثلاً پس‌زمینه، نور یا نسبت تصویر را با درخواست تازه تغییر دهد. گوگل این روش را راهی برای اصلاح جزئیات بدون شروع دوباره فرایند توصیف می‌کند. کیفیت و حفظ جزئیات در نتیجه نهایی باید برای هر خروجی بررسی شود.

تصویر مرجع و صدا چه نقشی دارند؟

گوگل می‌گوید مدل بهتر از قبل به تصویر شخصیت یا محصول، نمونه سبک، کلیپ حرکت کوتاه و نشانه‌های صوتی توجه می‌کند. در نمونه‌های رسمی، شرکت روی حفظ ظاهر شخصیت و لباس و هماهنگی گفتار و حرکت لب تمرکز کرده است. این‌ها ادعاها و نمونه‌های نمایشی گوگل‌اند، نه تضمین اینکه همه خروجی‌ها دقیقاً مطابق مرجع ساخته می‌شوند.

به گفته گوگل، مدل در حرکت سریع ورزشی، تغییرات سریع متن و فیزیک پیچیده هنوز جای بهبود دارد. برای کار حرفه‌ای، قبل از انتشار باید نوشته‌های داخل تصویر، جزئیات چهره، صدا و پیوستگی حرکت را بازبینی کرد.

قیمت و راه‌های دسترسی

قیمت اعلام‌شده برای ویدئوی ۷۲۰p، ۰٫۰۷ دلار به ازای هر ثانیه و به گفته گوگل ۳۰ درصد کمتر از Omni 1.1 است. با همین نرخ، هزینه پایه یک کلیپ ۱۵ ثانیه‌ای حدود ۱٫۰۵ دلار می‌شود؛ ویرایش‌های اضافه، خروجی‌های ناموفق، ارتقای وضوح یا شرایط سرویس ممکن است هزینه را تغییر دهند. پیش از ساخت، صفحه قیمت سرویس انتخابی را بررسی کنید.

Google Cloud دسترسی عمومی مدل را برای توسعه‌دهندگان و کاربران سازمانی اعلام کرده است. گوگل می‌گوید می‌توان پیش‌نویس را در ۳۶۰p یا ۷۲۰p ساخت و سپس گزینه‌های مناسب را به ۱۰۸۰p یا 4K ارتقا داد. این اعداد به معنی رایگان‌بودن ارتقای وضوح نیستند.

در Google Vids ساخت کلیپ ۱۵ ثانیه‌ای بدون هزینه اضافی برای حساب‌های واجد شرایط اعلام شده است. اطلاعیه Workspace عرضه را از ۵ نوامبر شروع‌شده و دسترسی را وابسته به نوع حساب و سهمیه معرفی می‌کند. گوگل همچنین از عرضه تدریجی ساخت ویدئو در اپ Gemini برای مشترکان Google AI Ultra خبر داده است. دسترسی در همه کشورها و حساب‌ها یکسان نیست.

برای تولیدکنندگان محتوا چه معنایی دارد؟

یک کلیپ ۱۵ ثانیه‌ای می‌تواند یک صحنه کامل کوتاه برای معرفی محصول یا شبکه‌های اجتماعی باشد. امکان ادامه ویرایش در چند نوبت هم ممکن است ساخت نسخه‌های مختلف را ساده‌تر کند. با این حال، کیفیت واقعی و هزینه نهایی به صحنه، تعداد تلاش‌ها و بستر استفاده بستگی دارد. اگر قصد دارید چند صحنه را کنار هم بگذارید، هزینه و ثبات شخصیت بین کلیپ‌ها را در برنامه تولید حساب کنید.

جمع‌بندی

Gemini Omni 1.2 Flash مدت کلیپ را افزایش داده و ویرایش مرحله‌ای و استفاده از منابع مرجع را گسترش می‌دهد. برای شروع، مشخص کنید به API پولی نیاز دارید یا از Google Vids با حساب واجد شرایط استفاده می‌کنید؛ سپس یک کلیپ کوتاه آزمایشی بسازید و پیش از تولید انبوه، کیفیت و هزینه آن را بسنجید.

منابع

برچسب‌ها:هوش مصنوعیجمینایگوگلهوش مصنوعی مولد
اشتراک‌گذاری:

مطالب مرتبط

عضویت در خبرنامه

آخرین اخبار هوش مصنوعی و فناوری را در ایمیل خود دریافت کنید.

پس از عضویت یک ایمیل تأیید برایتان ارسال می‌شود. هر زمان می‌توانید اشتراک خود را لغو کنید و ایمیل شما برای هدفی جز ارسال خبرنامه استفاده نمی‌شود. جزئیات در صفحه حریم خصوصی آمده است.