Google je 27. avgusta predstavio Gemini Omni 1.1 Flash, novu verziju svog modela za generisanje i obradu videa, koja ukida veći deo ograničenja najavljenih uz prvo izdanje. Prema zvaničnom saopštenju kompanije, model sada može da produžava snimke do 40 sekundi, nudi kontrolu nad početnim i završnim kadrom prelaza i podržava izlaz u rezoluciji do 4K. Dostupan je preko Gemini API-ja, alata Google AI Studio, servisa Flow i aplikacije Gemini.
Reč je o nadogradnji modela koji je Google predstavio krajem juna, u sklopu istog lansiranja kao i model za slike Nano Banana 2 Lite. Tada je kompanija otvoreno navela da produžavanje scene nije dostupno, da zvučne reference ne postoje i da video reference, iako formalno predviđene, model za sada ne obrađuje ispravno. Nova verzija upravo te tačke adresira.
Šta je novo u odnosu na prvu verziju
Produžavanje scene sada radi u koracima od po deset sekundi, do ukupno 40 sekundi trajanja. Prema tehničkoj dokumentaciji, model pri svakom nastavku analizira do deset sekundi prethodnog snimka, što je prema navodima nezavisnih analitičara osetan pomak u odnosu na ranije modele koji su uzimali u obzir samo poslednji sekund. Produžavanje je moguće isključivo na kraju snimka, ubacivanje ili produžavanje unazad nije podržano. Video reference u trajanju do tri sekunde, koje je Google u julu naveo kao formalno prisutne ali nefunkcionalne, sada su deo redovne ponude modela.
Kontrola nad početnim i završnim kadrom
Nova funkcija omogućava da se modelu zada početna i završna slika, nakon čega Omni Flash generiše prelaz između njih, od kružnih pokreta kamere do brzih zamaha i petlji koje se glatko zatvaraju. Uz to je uveden i sistem od tri nivoa kvaliteta: brza skica u rezoluciji od 360 piksela, standardni izlaz od 720 piksela i nadogradnja do 1080p ili 4K. Google zvanično navodi cenu od 0,10 dolara po sekundi za standardnu rezoluciju od 720 piksela. Prema nezvaničnim izračunima nekoliko specijalizovanih sajtova, zasnovanim na ceni tokena koje kompanija naplaćuje, verzija za brzo skiciranje u 360p izlazi oko 0,03 dolara po sekundi, dok generisanje u 4K rezoluciji dostiže i 0,30 dolara po sekundi.
Gde je model dostupan
Za programere je Omni 1.1 Flash odmah dostupan preko Gemini API-ja i Google AI Studio, dok se u Gemini Enterprise Agent Platform za sada nalazi u fazi pregleda, pod oznakom modela gemini-omni-1.1-flash-preview. Funkcija produžavanja scene stigla je i do aplikacije Gemini i servisa Flow, ali samo za korisnike pretplata AI Plus, Pro i Ultra.
Zaoštrena utrka oko AI videa
Google ovim potezom drži korak sa konkurencijom koja se ubrzano širi. Kineski model Seedance 2.0 ranije je izazvao pažnju filmske industrije upravo dužinom i kvalitetom generisanih scena, a OpenAI i druge laboratorije razvijaju sopstvene alate za video. Za razliku od jula, kada je Omni Flash bio ograničen na kratke isečke bez zvuka, nova verzija ga po dužini i kontroli kadrova približava alatima namenjenim ozbiljnijoj produkciji, iako zvučne reference i dalje nisu deo ponude.
Često postavljana pitanja
Šta je Gemini Omni 1.1 Flash?
Model kompanije Google za generisanje i obradu videa iz kombinacije teksta, slike i postojećeg snimka, dostupan programerima preko Gemini API-ja.
Koliko dugo mogu da traju generisani snimci?
Do 40 sekundi, kroz produžavanje u koracima od po deset sekundi na kraju postojećeg snimka.
Da li obični korisnici mogu da ga isprobaju, ne samo programeri?
Da, funkcija produžavanja scene dostupna je i u aplikaciji Gemini i servisu Google Flow, ali samo za pretplatnike planova AI Plus, Pro i Ultra.
Koliko košta generisanje videa ovim modelom?
Google zvanično navodi 0,10 dolara po sekundi za standardnu rezoluciju od 720 piksela, dok su cene za druge rezolucije prema nezvaničnim izračunima niže za brzu skicu, a više za 4K izlaz.
Po čemu se razlikuje od modela predstavljenog u julu?
Prva verzija nije podržavala produžavanje scene, video reference nisu radile, a snimci su bili ograničeni na deset sekundi bez mogućnosti nadogradnje rezolucije do 4K.
