Google روز ۱۴ آبان ۱۴۰۵ (۵ نوامبر ۲۰۲۶) مدل ویدیوساز Gemini Omni 1.2 Flash را منتشر کرد. مهم‌ترین تغییرش طول کلیپ است: هر ویدیو حالا تا ۱۵ ثانیه ساخته میشود، در حالی که نسخهٔ قبلی، Gemini Omni 1.1 Flash، تا ۱۰ ثانیه می‌ساخت. به گفتهٔ Google قیمتش هم ۳۰ درصد کمتر از نسخهٔ قبلی است. این مدل از ۱۵ آبان در گیسو هست و با حساب گیسو و سکه‌هایتان، در اپ یا از وبسرویس، از روی یک توصیف یا یک عکس ویدیوی صدادار می‌سازید.
در Gemini Omni 1.2 Flash چه چیزی عوض شده
- کلیپ بلندتر: مدت ویدیو را از ۳ تا ۱۵ ثانیه، ثانیه‌به‌ثانیه، خودتان انتخاب میکنید.
- تصویر یکدستتر: Google می‌گوید تصویر از فریم اول تا آخر کمتر از شکل اولش فاصله می‌گیرد و چهرهٔ شخصیت‌ها و شکل اشیا با حرکت دوربین و عوض شدن صحنه بهتر حفظ میشود. برش‌های ناگهانی و ناخواسته هم در حرکت‌های پیچیدهٔ دوربین کمتر شده.
- گفتار و صدا: دیالوگ طبیعی‌تر، هماهنگی بهتر حرکت لب با صدا و چند گوینده در یک کلیپ.
- پیروی از نمونه: در API خود Google، عکس شخصیت، محصول یا سبک، یک کلیپ حرکتی تا سه ثانیه و نمونهٔ صدا را به مدل می‌دهید تا همان جزئیات را در کل کلیپ نگه دارد.
- ویرایش با گفت‌وگو: در Flow و API خود Google، یک کلیپ ۱۵ ثانیه‌ای را با چند پیام پشتسرهم تغییر می‌دهید، بی‌آنکه کل کلیپ از نو ساخته شود.
Google این مدل را در Gemini API و Google AI Studio، در Vertex AI و در Flow و Google Vids عرضه کرده و در اپ Gemini هم برای مشترکان Google AI Ultra به‌تدریج فعالش میکند. روی همهٔ خروجی‌ها نشان نامرئی SynthID می‌نشیند. خود Google گفته کار روی حرکت‌های سریع ورزشی و فیزیک پیچیده هنوز ادامه دارد.
در گیسو با Gemini Omni 1.2 Flash چه میکنید
در گیسو این مدل از راه OpenRouter وصل شده. صفحهٔ مدل در گیسو ساخت ویدیو از متن، خواندن عکس ورودی، مدت ۳ تا ۱۵ ثانیه، صدای همراه ویدیو و اندازه‌های افقی و عمودی از 360p تا 4K را فهرست کرده. ویرایش چندمرحله‌ای و دادن کلیپ حرکتی یا نمونهٔ صدا را Google برای API خودش اعلام کرده و ما هنوز این‌ها را برای گیسو اعلام نکرده‌ایم.
- صفحهٔ Gemini Omni 1.2 Flash در گیسو را باز کنید. هزینهٔ امروز هر ثانیه ویدیو به سکه، مقایسه با Gemini Omni 1.1 Flash و نمونهکد همان‌جاست.
- برای ساخت ویدیو بدون کدنویسی، دکمهٔ «همین را در گیسو امتحان کنید» در صفحهٔ مدل، ابزار ویدیوی اپ را با همین مدل باز میکند. مدلهای دیگر ویدیو در صفحهٔ ساخت ویدیو با هوش مصنوعی هستند.
- اگر برنامه‌نویس هستید، نام مدل در وبسرویس گیسو
openrouter/google/gemini-omni-1.2-flashاست و مسیر ساخت ویدیو/videos. نمونهکد کامل در مستندات ویدیوی گیسو آمده. - پیش از کار بزرگ، چند کلیپ کوتاه با اندازهٔ کوچک بسازید و کیفیت و مصرف سکه را خودتان ببینید. Google هم پیشنهاد میکند پیش‌نویس را با 360p یا 720p بسازید و بعد سراغ کیفیت بالاتر بروید. برای نوشتن توصیف صحنه و حرکت دوربین، راهنمای پرامپت ویدیو و برای ساخت کلیپ از عکس، تبدیل عکس به ویدیو را بخوانید.
مدلهای دیگر این سازنده، از جمله خانوادهٔ Veo، در صفحهٔ مدلهای Google در گیسو هستند. برای مقایسه با Veo، آموزش وئو ۳٫۱ (Veo 3.1) را ببینید.
