Google ने Gemini Omni 1.1 Flash हे व्हिडिओ निर्मिती आणि एडिटिंगवर केंद्रित जनरेटिव्ह AI मॉडेल सादर केले आहे. हे मॉडेल डेव्हलपर्स आणि निवडक सब्सक्राइबर्ससाठी रोलआउट केले जात आहे. यामध्ये व्हिडिओ एक्स्टेंशन, फ्रेम-टू-फ्रेम जनरेशन, रेफरन्स क्लिप्स आणि 4K आउटपुट यांसारख्या सुविधा आहेत.
व्हिडिओ एक्स्टेंशनद्वारे 40 सेकंदांपर्यंतचा सपोर्ट
Gemini Omni 1.1 Flash विद्यमान व्हिडिओमधील 10 सेकंदांपर्यंतच्या फुटेजचे विश्लेषण करून सीन पुढे वाढवू शकते. यामुळे सीन पुढे नेताना व्हिज्युअल आणि कथानकातील सातत्य राखण्यास मदत होते.
डेव्हलपर्स व्हिडिओ 10-10 सेकंदांच्या भागांमध्ये एक्स्टेंड करू शकतात. एकूण 40 सेकंदांपर्यंतच्या व्हिडिओ एक्स्टेंशनला सपोर्ट दिला आहे.
पहिल्या आणि शेवटच्या फ्रेममधील व्हिडिओ जनरेट होणार
Gemini Omni 1.1 Flashमध्ये डेव्हलपर्स व्हिडिओची पहिली आणि शेवटची फ्रेम निश्चित करू शकतात. त्यानंतर मॉडेल या दोन्ही फ्रेमच्या दरम्यान आवश्यक फुटेज जनरेट करते.
ही सुविधा कॅमेरा ऑर्बिट आणि झूम यांसारख्या जटिल कॅमेरा मूव्हमेंट्ससोबत विविध ट्रान्झिशन्सना सपोर्ट करते. याचा वापर सतत चालणारे आणि लूपिंग व्हिडिओ तयार करण्यासाठीही करता येतो.
रेफरन्स म्हणून 3 सेकंदांपर्यंतची व्हिडिओ क्लिप
नवीन मॉडेलमध्ये रेफरन्स व्हिडिओ वापरण्याची सुविधाही देण्यात आली आहे. डेव्हलपर्स 3 सेकंदांपर्यंतची व्हिडिओ क्लिप रेफरन्स म्हणून वापरू शकतात.
यामुळे नवीन व्हिडिओमध्ये कॅरेक्टरचा लुक, बॅकग्राउंड आणि इतर व्हिज्युअल तपशील कायम ठेवण्यास मदत होऊ शकते. Google ने एकाच व्हिडिओमध्ये वेगवेगळ्या हालचालींची पुनरावृत्ती करण्यासाठी अनेक रेफरन्स क्लिप्स वापरण्याची क्षमताही दाखवली आहे.
360p मोडमुळे जलद आणि कमी खर्चातील ड्राफ्ट
Google ने जलद आणि कमी खर्चात ड्राफ्ट तयार करण्यासाठी 360p मोड जोडला आहे. कंपनीच्या मते, 360p ड्राफ्ट 720p व्हर्जनच्या तुलनेत 60 टक्क्यांपर्यंत जलद तयार करता येतात आणि त्यांची किंमत सुमारे एक-तृतीयांश असते.
या सुविधेचा वापर नवीन कल्पना तपासण्यासाठी आणि स्टोरीबोर्ड तयार करण्यासाठी करता येतो. प्रोजेक्ट अंतिम झाल्यानंतर डेव्हलपर्स 1080p किंवा 4K रिझोल्यूशनमध्ये व्हिडिओ तयार करू शकतात.
Gemini API आणि Google Flow द्वारे उपलब्धता
Gemini Omni 1.1 Flash Google AI Studioमध्ये Gemini API द्वारे डेव्हलपर्ससाठी उपलब्ध करून दिले जात आहे. एंटरप्राइझ यूजर्स Agent Platform API द्वारे याचा वापर करू शकतात. Google ने नवीन व्हिडिओ टूल्ससाठी डॉक्युमेंटेशन, कुकबुक आणि प्रॉम्प्टिंग गाइड्सही जारी केले आहेत.
Google Flow द्वारे AI Plus, Pro आणि Ultra सब्सक्राइबर्सनाही हे मॉडेल उपलब्ध करून दिले जात आहे. या यूजर्सना Gemini अॅपमध्ये सीन एक्स्टेंशनची सुविधाही मिळेल.
Googleच्या मते, Adobe, Figma Weave, GMI Cloud आणि Runway यांसारखे प्लॅटफॉर्म त्यांच्या व्हिडिओ वर्कफ्लोमध्ये Gemini Omni Flash इंटिग्रेट करत आहेत.
