DNews: ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) రంగంలో గూగుల్ మరో కీలక అప్‌డేట్‌ను తీసుకొచ్చింది. వీడియోలను రూపొందించడంతో పాటు వాటిని మనకు నచ్చిన విధంగా ఎడిట్ చేసుకునేందుకు Gemini Omni 1.2 Flash పేరుతో కొత్త AI వీడియో జనరేషన్ మోడల్‌ను విడుదల చేసింది. గత వెర్షన్‌లో గరిష్ఠంగా 10 సెకన్ల వీడియోలను రూపొందించే అవకాశం ఉండగా, ఇప్పుడు ఏకంగా 15 సెకన్ల వరకు వీడియోలను తయారు చేయవచ్చు. అంతేకాదు.. వీడియోలోని పాత్రలు, వస్తువులు, దుస్తులు, బ్యాక్‌గ్రౌండ్ ఒకేలా ఉండేలా మెరుగైన కంటిన్యూటీని అందిస్తోంది. మరో ప్రత్యేకత ఏమిటంటే, వీడియోలో చిన్న మార్పు చేయాలంటే మొదటి నుంచి మళ్లీ వీడియో రూపొందించాల్సిన అవసరం లేదు. AIతో సంభాషిస్తూ కావాల్సిన మార్పులు చేసుకోవచ్చు. గత వెర్షన్‌తో పోలిస్తే వీడియో జనరేషన్ ఖర్చును కూడా 30 శాతం తగ్గించినట్లు గూగుల్ ప్రకటించింది.
Gemini Omni 1.2 Flash అంటే ఏమిటి?
Gemini Omni 1.2 Flash అనేది గూగుల్ అభివృద్ధి చేసిన అధునాతన AI వీడియో జనరేషన్, ఎడిటింగ్ మోడల్. టెక్స్ట్ సూచనలు, ఫొటోలు, చిన్న వీడియో క్లిప్‌లు, ఆడియో రిఫరెన్స్‌ల ఆధారంగా వీడియోలను రూపొందించగలదు. కేవలం వీడియో తయారు చేయడమే కాకుండా, ఇప్పటికే రూపొందించిన వీడియోలో మార్పులు చేయడానికి కూడా ఇది ఉపయోగపడుతుంది.
ఉదాహరణకు ఒక ఉత్పత్తికి సంబంధించిన ఫొటోను ఇచ్చి, దానిని వివిధ కోణాల్లో చూపించే ప్రకటన వీడియో రూపొందించమని సూచించవచ్చు. అలాగే ఒక పాత్రను ఎంచుకుని, ఆ పాత్రతో చిన్న కథనం లేదా యానిమేషన్ వీడియో తయారు చేయవచ్చు. వీడియోలోని పాత్రలు, వస్తువులు, దుస్తులు మొదటి నుంచి చివరి వరకు ఒకే విధంగా ఉండేలా చూసేందుకు ఈ మోడల్‌ను మెరుగుపరిచారు.
ఇక 15 సెకన్ల వరకు వీడియోలు రూపొందించవచ్చు
ఈ కొత్త మోడల్‌లో వచ్చిన ప్రధాన మార్పు వీడియో నిడివి పెరగడం. గత Gemini Omni 1.1 Flashలో గరిష్ఠంగా 10 సెకన్ల వరకు వీడియోలు రూపొందించే అవకాశం ఉండేది. ఇప్పుడు Gemini Omni 1.2 Flashతో 3 సెకన్ల నుంచి 15 సెకన్ల వరకు వీడియోలను తయారు చేయవచ్చు.
మరో ప్రత్యేకత ఏమిటంటే, వీడియో నిడివిని ఒక్కో సెకను చొప్పున ఎంచుకోవచ్చు. అంటే 5, 8, 12 లేదా 15 సెకన్ల వీడియో కావాలంటే ముందుగానే నిర్ణయించుకోవచ్చు. దీంతో సోషల్ మీడియా రీల్స్, చిన్న ప్రకటనలు, ఉత్పత్తుల పరిచయ వీడియోలు, విద్యా సంబంధిత క్లిప్‌లు రూపొందించడం సులభమవుతుంది.
వీడియో ఎడిటింగ్‌లోనూ కొత్త సదుపాయం
Gemini Omni 1.2 Flashలో Conversational Editing అనే సదుపాయం అందుబాటులో ఉంది. దీని ద్వారా వీడియో రూపొందించిన తర్వాత AIతో సంభాషిస్తూ మార్పులు చేయవచ్చు.
ఉదాహరణకు వీడియోలోని బ్యాక్‌గ్రౌండ్‌ను మార్చమని, వెలుతురు పెంచమని, వాతావరణాన్ని మార్చమని లేదా ఒక ఉత్పత్తి స్థానంలో మరో ఉత్పత్తిని చూపమని సూచించవచ్చు. అలాగే కెమెరా కోణాన్ని మార్చడం, వీడియో నిష్పత్తిని సవరించడం వంటి పనులు కూడా చేయవచ్చు.
ఇందులో ప్రత్యేకత ఏమిటంటే, ప్రతి చిన్న మార్పు కోసం మొత్తం వీడియోను మొదటి నుంచి రూపొందించాల్సిన అవసరం ఉండదు. ఇప్పటికే ఉన్న వీడియోకు అవసరమైన మార్పులను వరుసగా సూచిస్తూ ముందుకు వెళ్లవచ్చు. దీంతో సమయం, ఖర్చు రెండూ తగ్గే అవకాశం ఉంది.
పాత్రలు, వస్తువులు మారకుండా మెరుగైన కంటిన్యూటీ
AIతో వీడియోలు రూపొందించేటప్పుడు ఎదురయ్యే ప్రధాన సమస్యల్లో ఒకటి పాత్రలు, వస్తువుల రూపం మారిపోవడం. ఒక సన్నివేశంలో కనిపించిన వ్యక్తి ముఖం మరో సన్నివేశంలో వేరుగా మారడం, దుస్తుల రంగులు మారడం లేదా వస్తువుల ఆకారం మారిపోవడం వంటి సమస్యలు గతంలో కనిపించేవి.
Gemini Omni 1.2 Flashలో ఈ సమస్యలను తగ్గించేందుకు Reference Adherence సామర్థ్యాన్ని మెరుగుపరిచారు. వినియోగదారులు ఇచ్చే ఫొటోలు, వీడియోలు, స్టైల్ రిఫరెన్స్‌లను మరింత కచ్చితంగా అనుసరించేలా మోడల్‌ను అభివృద్ధి చేశారు.
దీంతో ఒకే వ్యక్తి, ఉత్పత్తి లేదా పాత్రను వివిధ కెమెరా కోణాల్లో చూపించినా వాటి రూపంలో స్థిరత్వం ఉండేలా వీడియో రూపొందించవచ్చు. ముఖ్యంగా ఫ్యాషన్ బ్రాండ్లు, ఈ-కామర్స్ సంస్థలు, ప్రకటనల రంగంలో పనిచేసే వారికి ఇది ఉపయోగపడుతుంది.
సహజమైన మాటలు, మెరుగైన లిప్ సింక్
వీడియోలో పాత్రలు మాట్లాడేటప్పుడు మాటలకు అనుగుణంగా పెదవుల కదలికలు ఉండటం చాలా ముఖ్యం. గత AI వీడియోల్లో కొన్నిసార్లు మాటలు, పెదవుల కదలికల మధ్య తేడాలు కనిపించేవి. కొత్త మోడల్‌లో సహజమైన సంభాషణలు, స్పష్టమైన లిప్ సింక్, ఒకే సన్నివేశంలో పలువురు మాట్లాడేటప్పుడు వేర్వేరు గొంతులను మెరుగ్గా నిర్వహించే సామర్థ్యాలను అభివృద్ధి చేశారు.
దీంతో వీడియో ఎక్స్‌ప్లైనర్లు, యానిమేషన్ క్లిప్‌లు, ప్రకటనలు, చిన్న కథనాలు రూపొందించడంలో నాణ్యత పెరిగే అవకాశం ఉంది. ఒకటి కంటే ఎక్కువ పాత్రలు మాట్లాడే సన్నివేశాలను రూపొందించేటప్పుడు కూడా ఈ మెరుగుదల ఉపయోగపడుతుంది.
360p నుంచి 4K వరకు వీడియో నాణ్యత
వీడియో రూపొందించే సమయంలో ఖర్చును నియంత్రించేందుకు ముందుగా తక్కువ రిజల్యూషన్‌లో డ్రాఫ్ట్ తయారు చేసుకోవచ్చు. 360p లేదా 720pలో వీడియోను రూపొందించి, అందులో అవసరమైన మార్పులు చేసుకున్న తర్వాత నచ్చిన వీడియోను 1080p లేదా 4K నాణ్యతకు అప్‌స్కేల్ చేసుకునే అవకాశం ఉంది.
ఈ విధానం వల్ల ప్రతి ప్రయత్నానికీ అధిక రిజల్యూషన్‌లో వీడియో రూపొందించాల్సిన అవసరం ఉండదు. ముందుగా సాధారణ నాణ్యతలో ఫలితాన్ని పరిశీలించి, తుది వీడియోకు మాత్రమే అధిక నాణ్యతను ఎంచుకోవచ్చు.
అలాగే ఫస్ట్ ఫ్రేమ్, లాస్ట్ ఫ్రేమ్ ఆధారంగా మధ్యలో జరిగే కదలికలను రూపొందించడం, ఒక వీడియోను మరింత పొడిగించడం వంటి పనుల్లోనూ మెరుగైన స్థిరత్వాన్ని అందించడానికి ఈ మోడల్ ప్రయత్నిస్తుంది.
వీడియో జనరేషన్ ఖర్చు 30 శాతం తగ్గింపు
Gemini Omni 1.2 Flashలో మరో ఆకర్షణీయమైన మార్పు ధర తగ్గింపు. గత Gemini Omni 1.1తో పోలిస్తే వీడియో జనరేషన్ ఖర్చును 30 శాతం తగ్గించినట్లు గూగుల్ తెలిపింది.
720p నాణ్యతలో వీడియో రూపొందించడానికి సెకనుకు 0.07 డాలర్లు ధరగా నిర్ణయించారు. భారత కరెన్సీలో మారకపు విలువను బట్టి ఇది సుమారు రూ.6కు సమానం. అయితే పన్నులు, ప్లాట్‌ఫామ్ ఛార్జీలు, ఇతర ఖర్చుల వల్ల వాస్తవ చెల్లింపు మారవచ్చు.
వీడియోలో చిన్న మార్పుల కోసం మొత్తం క్లిప్‌ను మళ్లీ రూపొందించాల్సిన అవసరం లేకపోవడం కూడా ఖర్చును తగ్గించడంలో సహాయపడుతుంది. పెద్ద సంఖ్యలో ప్రకటనలు, ఉత్పత్తి వీడియోలు రూపొందించే సంస్థలకు ఈ మార్పు ఉపయోగకరంగా ఉంటుంది.
ఎక్కడ ఉపయోగించుకోవచ్చు?
Gemini Omni 1.2 Flashను డెవలపర్లు Gemini API, Google AI Studio ద్వారా ఉపయోగించవచ్చు. వ్యాపార సంస్థలకు Google Cloud, Gemini for Business ద్వారా ఈ మోడల్ అందుబాటులోకి వచ్చింది. వీడియో క్రియేషన్ కోసం Google Flow, Google Vids వంటి సేవల్లోనూ దీని సామర్థ్యాలను అందిస్తున్నారు.
Google Vidsలో వ్యక్తిగత Google ఖాతాదారులు, అర్హత కలిగిన Workspace వినియోగదారులకు కూడా ఈ ఫీచర్‌ను దశలవారీగా అందిస్తున్నారు. Gemini యాప్‌లో 15 సెకన్ల వీడియో జనరేషన్ సదుపాయం Google AI Ultra సబ్‌స్క్రైబర్లకు అందుబాటులోకి వస్తోంది.
AIతో రూపొందించిన వీడియోల్లో SynthID అనే కనిపించని డిజిటల్ వాటర్‌మార్క్‌ను కూడా ఉపయోగిస్తున్నారు. దీని ద్వారా రూపొందించిన కంటెంట్‌ను గుర్తించేందుకు వీలుంటుంది.
ఇంకా మెరుగుపరచాల్సిన అంశాలు కూడా ఉన్నాయి
కొత్త మోడల్‌లో అనేక మార్పులు వచ్చినప్పటికీ అన్ని రకాల వీడియోలను పరిపూర్ణంగా రూపొందిస్తుందని గూగుల్ చెప్పడం లేదు. వేగంగా జరిగే క్రీడా కదలికలు, అకస్మాత్తుగా మారే స్క్రిప్ట్‌లు, సంక్లిష్టమైన భౌతిక కదలికల వంటి అంశాల్లో మరింత మెరుగుదల అవసరమని సంస్థ పేర్కొంది.
మొత్తంగా చూస్తే, Gemini Omni 1.2 Flashతో AI వీడియో క్రియేషన్ మరింత వేగంగా, తక్కువ ఖర్చుతో, మెరుగైన నియంత్రణతో అందుబాటులోకి వస్తోంది. ముఖ్యంగా కంటెంట్ క్రియేటర్లు, డిజిటల్ మార్కెటింగ్ సంస్థలు, వీడియో ఎడిటర్లు, వ్యాపార సంస్థలకు ఈ అప్‌డేట్ ఉపయోగపడే అవకాశం ఉంది.