Quanto custa o Gemini Omni 1.2 Flash?

O Google disponibilizou de forma geral seu modelo de vídeo Gemini Omni 1.2 Flash, abrindo o acesso a desenvolvedores e empresas por meio da API do Gemini e do Gemini for business. A empresa afirma que o modelo agora pode criar e editar vídeos nativos de até 15 segundos e que reduziu o preço em 30% em relação à versão anterior. Para vídeo 720p, o custo é de US$ 0,07 por segundo.

O que há de novo no Gemini Omni 1.2 Flash?

A maior duração é a mudança mais visível. O Omni 1.1 tinha limite de 10 segundos. Agora, os usuários podem especificar qualquer duração entre 3 e 15 segundos, em incrementos de um segundo, o que, segundo o Google, dá aos criadores espaço para contar uma história completa, produzir um explicativo de produto ou criar um anúncio completo para redes sociais em uma única geração.

O Google também destaca um fluxo de trabalho mais barato. Os usuários podem criar rascunhos em 360p ou 720p, corrigir um detalhe com uma edição posterior em vez de regenerar o clipe inteiro e, em seguida, ampliar os melhores resultados para 1080p ou 4K. Segundo a empresa, essa abordagem reduz custos para equipes que produzem vídeos em escala.

O Gemini Omni 1.2 Flash consegue manter produtos consistentes em diferentes ângulos de câmera?

O modelo trabalha com material de referência de forma mais precisa do que seu antecessor. Os usuários podem orientar a geração com imagens de personagens, produtos ou estilos, clipes curtos de movimento de até três segundos e pistas de áudio. O Google afirma que rostos, roupas, textos de embalagens e cores da marca permanecem consistentes em diferentes ângulos de câmera, o que torna possível transformar fotos de produtos existentes ou fichas de personagens em clipes de provador virtual, giros de catálogo e anúncios de vídeo com marca. Em um exemplo publicado pelo Google, uma única foto de modelo combinada com imagens frontais e traseiras de três conjuntos de roupas gerou uma sequência de provador de 15 segundos, com giros de 360 graus, mantendo intactos o caimento e a modelagem de cada peça.

A edição agora é conversacional. Em vez de reconstruir um clipe do zero, os usuários podem refiná-lo turno a turno, trocando um produto ou fundo, alterando a iluminação ou o clima, ou mudando a proporção da tela. O Google afirma que a edição em múltiplas etapas funciona em clipes completos de 15 segundos, o que facilita a produção de variações de anúncios para diferentes públicos e formatos. Em uma demonstração, o fundo de um único clipe foi trocado várias vezes, de uma tenda listrada de feira para uma floresta de carvalhos, um estábulo, uma feira de mercado e um castelo de pedra, enquanto as atuações dos personagens e o enquadramento da câmera permaneceram estáveis.

A fala também foi aprimorada. O Google afirma que o modelo produz diálogos mais fluidos, sincronização labial mais precisa e vozes distintas para múltiplos falantes. Isso vale tanto para usuários que dirigem cenas com vários personagens no Flow, quanto para os que criam explicativos em vídeo no Gemini for business ou produzem vídeos com avatares, música e narração no Google Vids.

O controle de câmera é outro foco. A empresa afirma que o modelo consegue lidar com amplos voos de drone em primeira pessoa, afastamentos dramáticos de zoom e planos em órbita, com significativamente menos cortes bruscos indesejados e uma sensação mais estável de escala. O exemplo do Google usou duas fotos de referência arquitetônica para gerar um único voo de drone contínuo por uma praça, passando por portas de bronze e subindo até a cúpula do Panteão, sem cortes.

O Google posiciona o modelo para uso comercial. O Gemini Omni já está disponível de forma geral e conta com a infraestrutura corporativa e a segurança do Google Cloud. O Provisioned Throughput está disponível para clientes que precisam de capacidade reservada, e todas as saídas contêm uma marca d'água SynthID imperceptível.

O Google reconheceu algumas limitações. A empresa afirmou que o desenvolvimento continua para melhorar cenas rápidas de esporte, mudanças rápidas de roteiro e física complexa.

O modelo está disponível em vários produtos do Google. Desenvolvedores podem prototipar no Google AI Studio, explorar aplicativos iniciais e consultar a documentação para desenvolvedores e os preços. Empresas podem testá-lo no console do Google Cloud e criar soluções corporativas por meio da API. Usuários das ferramentas de consumo e produtividade do Google o encontrarão em diversos locais. O Flow oferece direção de cenas e edições em múltiplas etapas. O Google Vids oferece clipes de 15 segundos sem custo adicional para pessoas com conta do Google ou assinatura do Google Workspace. O aplicativo Gemini pode criar vídeos de 15 segundos, embora esse recurso esteja sendo lançado primeiro para assinantes do Google AI Ultra. O Google Ads pode usar o modelo para escalar campanhas de vídeo.

Cet article a été rédigé avec l'assistance de l'IA.
News Factory APP - actualités agentiques pour booster votre SEO et AEO.