सार:
6 नवंबर को, Google ने गुरुवार को आधिकारिक तौर पर वीडियो जेनरेशन मॉडल जेमिनी ओमनी 1.2 फ्लैश लॉन्च किया। मॉडल संवाद के कई दौरों के माध्यम से मूल 15-सेकंड वीडियो निर्माण और संपादन का समर्थन करता है। कीमत पिछली पीढ़ी की तुलना में 30% कम है।
मिथुन ओमनी 1.2 फ़्लैश
Google ने कहा कि जेमिनी ओमनी 1.2 फ्लैश को जेमिनी एपीआई, Google AI स्टूडियो, Google क्लाउड कंसोल, फ्लो, Google Vids, Google AI अल्ट्रा ग्राहकों के लिए जेमिनी एप्लिकेशन और Google विज्ञापनों के माध्यम से रोल आउट किया जा रहा है। प्रत्येक उत्पन्न वीडियो को उसके मूल को इंगित करने के लिए एक अगोचर SynthID के साथ वॉटरमार्क किया जाता है।
मॉडल द्वारा उत्पन्न वीडियो क्लिप की लंबाई अब 3 से 15 सेकंड तक सेट की जा सकती है, जो पिछली अधिकतम 10 सेकंड से अधिक है। वहीं, 720p वीडियो जेनरेशन की कीमत 30% घटाकर 0.07 डॉलर प्रति सेकंड कर दी गई है। उपयोगकर्ता चल रही बातचीत के माध्यम से उत्पन्न वीडियो को संपादित भी कर सकते हैं।
इसकी असाधारण विशेषताओं में से एक वह है जिसे Google "संवादात्मक संपादन" कहता है। उपयोगकर्ता संपूर्ण वीडियो को पुन: उत्पन्न किए बिना, संवाद के कई दौरों के माध्यम से उत्पन्न वीडियो को धीरे-धीरे समायोजित कर सकते हैं, जैसे पृष्ठभूमि बदलना, प्रकाश व्यवस्था समायोजित करना, या पहलू अनुपात को संशोधित करना। Google का कहना है कि यह सुविधा पूरे 15 सेकंड के वीडियो के संपादन का समर्थन करती है।
पदानुक्रमित वर्कफ़्लो के साथ संयुक्त, इस सुविधा से उत्पादन लागत भी कम होने की उम्मीद है। उपयोगकर्ता पहले 360p या 720p रिज़ॉल्यूशन पर पहला ड्राफ्ट तैयार करते हैं, फिर बाद के संपादन के माध्यम से व्यक्तिगत विवरणों को सही करते हैं, और अंत में रिज़ॉल्यूशन को 1080p या 4K तक बढ़ाने के लिए केवल अंतिम फिल्म को अपरूपांतरित करते हैं।
Google ने यह भी कहा कि संदर्भ सामग्री का पालन करने की मॉडल की क्षमता में भी काफी सुधार हुआ है। आधिकारिक घोषणा के अनुसार, उपयोगकर्ता चरित्र चित्र, उत्पाद फ़ोटो, 3 सेकंड तक की लघु वीडियो क्लिप और ऑडियो संकेत दर्ज कर सकते हैं। मॉडल विभिन्न शूटिंग कोणों के तहत पात्रों के चेहरे, कपड़े, उत्पाद पैकेजिंग पर पाठ और ब्रांड रंग मिलान की स्थिरता बनाए रख सकता है।
सामग्री का अनुसरण करने की क्षमता में काफी सुधार हुआ है
Google उदाहरण के रूप में एक वर्चुअल ट्राइ-ऑन सेगमेंट लेता है: केवल एक मॉडल फोटो और कपड़ों के तीन सेटों की उत्पाद छवियों के साथ, मॉडल 15 सेकंड का निरंतर दृश्य उत्पन्न कर सकता है जिसमें 360-डिग्री मोड़ शामिल है, जबकि मॉडल की पहचान और प्रत्येक परिधान के कट और ड्रेप को बनाए रखा जाता है।
साथ ही, समग्र दृश्य स्थिरता में भी सुधार हुआ है। Google ने कहा कि पिछली पीढ़ी के मॉडल की तुलना में, नए मॉडल में स्क्रीन मूवमेंट और लेंस स्विचिंग के दौरान दृश्य विचलन और विरूपण कम है।
इसके अलावा, जेमिनी ओमनी 1.2 फ्लैश सहज और अधिक प्राकृतिक वार्तालाप भाषण उत्पन्न कर सकता है, मुंह के आकार और भाषण का सिंक्रनाइज़ेशन प्रभाव अधिक सटीक है, और इसमें कई अलग-अलग वक्ताओं को अलग करने की क्षमता भी है।
मॉडल जटिल, निरंतर कैमरा गतिविधियों, जैसे एफपीवी ड्रोन उड़ान शॉट्स या मजबूत दृश्य प्रभाव के साथ तेज़ ज़ूम शॉट्स को संभालने में भी बेहतर सक्षम है, और अनावश्यक जंप कट को काफी कम कर देता है।
टिप्पणियाँ