Google udostępnia deweloperom Gemini Omni 1.1 Flash
Google zaprezentowało nową aktualizację swojego modelu generatywnego – Gemini Omni 1.1 Flash. Narzędzie zostało stworzone z myślą o deweloperach, twórcach oprogramowania kreatywnego oraz platformach edycyjnych, dając im niespotykaną wcześniej kontrolę nad procesem produkcji wideo przy wykorzystaniu sztucznej inteligencji. Technologia, która wzbogaca ekosystem modeli bazowych Gemini, jest już gotowa na produkcyjne obciążenia i pracę w warunkach komercyjnych.
Dłuższe sceny i precyzyjna reżyseria
Kluczową innowacją w najnowszej wersji jest zaawansowane przedłużanie scen (scene extension). Wcześniejsze systemy wideo od Google opierały się na analizie zaledwie ostatniej sekundy materiału, podczas gdy model Gemini Omni 1.1 Flash analizuje aż do 10 sekund poprzedniego kontekstu. Przekłada się to na diametralnie lepszą spójność wizualną oraz lepsze trzymanie się wytycznych narracyjnych. Twórcy mogą rozszerzać wygenerowane ujęcia w 10-sekundowych przyrostach, osiągając łączny czas trwania materiału na poziomie do 40 sekund.
Dodatkowo deweloperzy zyskali możliwość definiowania dokładnej pierwszej i ostatniej klatki wideo. To ułatwia programowanie płynnych przejść oraz zaawansowanych zjawisk, takich jak skomplikowany, wirtualny ruch kamery bez przeskoków kadru (jump cuts). Model potrafi również przeanalizować do 3 sekund zewnętrznego materiału referencyjnego, co pozwala na wierniejsze odtworzenie ruchów i stałości konkretnych postaci.
Optymalizacja kosztów i profesjonalny upscaling
Oprócz narzędzi stricte reżyserskich inżynierowie zadbali o wydajność i elastyczność budżetową. Deweloperzy mogą szybko renderować wersje robocze w obniżonej rozdzielczości 360p. Taki zabieg sprawia, że podglądy generowane są o 60% szybciej i kosztują jedynie jedną trzecią ceny standardowej rozdzielczości 720p (która wedle rynkowych stawek za tokeny wyjściowe wideo z tego modelu szacowana jest na około 0,10 USD za każdą sekundę). Następnie, na samym końcu cyklu twórczego, zaakceptowany materiał z Gemini Omni 1.1 Flash może zostać przeskalowany w górę do rozdzielczości 1080p lub natywnego 4K, gwarantując profesjonalny wygląd gotowy do emisji.
Szeroka dostępność i rynkowe wdrożenia
Model udostępniono w pierwszej kolejności za pośrednictwem środowiska Google AI Studio oraz interfejsów API w Gemini Enterprise Agent Platform. Wybrane narzędzia konsumenckie – jak funkcja scene extension – oddano również w ręce globalnych subskrybentów planów Google AI Plus, Pro i Ultra w obrębie aplikacji Gemini oraz usługi Google Flow. Rozwój kompetencji wideo to następny strategiczny krok firmy na rynku AI; po niedawnych aktualizacjach, które przyniosły innowacje tekstowe od Gemini 3.7 Flash, oferta dla twórców ulega ciągłemu rozszerzaniu.
Rynkowi partnerzy bardzo szybko przystąpili do wdrożeń nowych możliwości. Firma Adobe wbudowała opisywany model w środowisko Adobe Firefly, oferując użytkownikom zaawansowane korekty nagrań. Z kolei Itay Schiff, dyrektor kreatywny Figma Weave, podkreśla, że dzięki zastosowaniu narzędzi takich jak rozszerzenia czasu, dokładniejsze materiały referencyjne i obraz 4K, zespoły mogą przejść od losowego generowania wideo do jego realnego reżyserowania w ramach spójnych cykli pracy.
