Gemini Omni 1.2 Flash: продуктовата снимка става видео

преди 11 минути

време за четене: 3 мин.

Онлайн магазинът има хиляди снимки на продукти и почти никакво видео, защото видеото струва снимачен ден. Новата версия на модела за видео на Google обещава да направи клип от снимките, които вече са в каталога. Тук обаче се променя въпросът: вече не дали видеото е евтино, а дали показва точно този продукт.

В светло фото студио на онлайн магазин робот държи разпечатана снимка на зелена рокля, до него се върти светеща холограма на жена в същата рокля, а собственичката на магазина държи истинската рокля на закачалка и недоверчиво сравнява плата.

Какво пусна Google

На 5 ноември Google DeepMind пусна Gemini Omni 1.2 Flash и за първи път направи модела общодостъпен за бизнеса през Gemini API и Google Cloud. Предишната версия описахме през юли в по-ранна наша новина, тогава с клипове до около 10 секунди.

Сега клиповете са от 3 до 15 секунди, на стъпка от една секунда. Цената пада с 30% до 0,07 долара на секунда при 720p, тоест 15-секунден клип в тази резолюция струва 1,05 долара. Моделът влиза във Flow, Google Vids, приложението Gemini за абонатите на Google AI Ultra и Google Ads. Във Vids клиповете до 15 секунди се правят без допълнително заплащане.

Редакцията в разговор вече работи на няколко хода и върху целия клип. Черновата се прави на 360p или 720p, поправя се с изречение и само финалът се увеличава до 1080p или 4K.

Gemini Omni и снимките от каталога

Най-съществената промяна за търговците е по-точното следване на референциите. Моделът приема снимки на герой, продукт или стил, кратки клипове до три секунди и звукови указания. По думите на Google лицата, дрехите, надписите по опаковките и цветовете на марката остават същите при смяна на ъгъла на камерата, от първия до последния кадър.

Примерът на компанията е виртуален пробен клип. От една снимка на модел и снимки отпред и отзад на три тоалета се получава 15-секундна поредица със завъртания на 360 градуса, в която се пазят лицето, кройката и падането на плата. Google го описва директно като начин съществуващата продуктова фотография да стане клипове за пробване, въртящи се каталожни кадри и реклами.

Каталогът може да спре да е папка със снимки и да стане суровина за видео.

Какво остава само обещание

Всички твърдения за качество засега са на Google: по-малко „разтичане" на образа при движение, по-ясно съвпадение на устните с речта, по-точно следване на референциите. The Decoder и Android Headlines отразяват обявлението, но в източниците, които прегледахме, независимо измерване на новата версия няма. Самата Google посочва, че продължава да подобрява бързите спортни сцени, бързата смяна на сценария и сложната физика.

По-интересното е какво компанията нарочно държи заключено. В описанието на модела Google пише, че при редакция Gemini Omni 1.2 Flash може да променя речта на хората във видеото. Засега тази възможност е ограничена, докато компанията разбере как да я пусне безопасно. Моделът вече може да сложи чужди думи в устата на човек, а Google сама решава, че още не е време. Всеки клип носи и невидимия воден знак SynthID.

Какво значи това за онлайн търговците

Видео от снимка звучи като чиста печалба, но носи два въпроса, които снимачният ден решаваше сам. Първият е точността. Ако клипът покаже плат, който пада по-меко от истинския, или цвят, който е малко по-наситен, клиентът ще го види едва когато пратката пристигне. Обещанието на Google е за съвпадение със снимката и между кадрите, не с физическия продукт.

Вторият е лицето. Снимката на модел, направена за каталог, е снимана при определени условия. Дали същото лице може да се върти в нови клипове, решава договорът с човека, а не възможностите на модела. Колкото по-лесно става видеото от снимка, толкова по-важно е кой е одобрил всеки кадър и по каква снимка е направен.

Заключение

Gemini Omni 1.2 Flash прави следващата крачка след евтиното видео: видеото от собствените материали на марката. Инструментът вече умее повече, отколкото Google е готова да пусне, и това е добър повод търговците да подредят своите правила, преди да подредят каталога.

Искате да започнете с AI от нулата? Безплатният курс „Основи на AI“ е 17 видео урока, около 35 минути, със сертификат: Започнете безплатния курс по AI

Помагаме на български онлайн търговци и маркетингови екипи да въведат AI видео в работата си - от избора на инструмент до правилата за проверка и одобрение. Услугите ни покриват одит, оценка на готовност, обучение на екипи и имплементация на специализирани AI автоматизации за всяка организация. Препоръчваме консултация, преди каталогът да се превърне във видео, за да е ясно кой проверява точността на продукта и правата върху снимките. [Свържете се с нас за консултация: academy@razvivai.se]