Google Gemini Omni 1.2 Flash tanıtıldı! 15 saniyelik videolar geliyor
Özet haber: Google, yapay zekâ destekli video oluşturma ve düzenleme modeli Gemini Omni 1.2 Flash’i tanıttı. Önceki sürümde 10 saniye olan video uzunluğu 15 saniyeye çıkarılırken video üretim maliyetleri yüzde 30 düşürüldü.

Google, yapay zekâ destekli video oluşturma ve düzenleme modeli Gemini Omni 1.2 Flash’i tanıttı. Önceki sürümde 10 saniye olan video uzunluğu 15 saniyeye çıkarılırken video üretim maliyetleri yüzde 30 düşürüldü. Yeni model, mevcut videoların doğal dil komutlarıyla düzenlenmesini, karakterlerin ve nesnelerin sahneler arasında tutarlı kalmasını ve videoların 4K çözünürlüğe yükseltilmesini destekliyor.
Google DeepMind tarafından geliştirilen Gemini Omni 1.2 Flash, metin, görsel, ses ve video dosyalarını kullanarak sesli videolar oluşturabiliyor. Model, önceki Gemini Omni 1.1 Flash sürümündeki 10 saniyelik video sınırını 15 saniyeye yükseltiyor. Kullanıcılar, 3 ile 15 saniye arasında birer saniyelik aralıklarla video uzunluğunu belirleyebiliyor.
Yeni modelin fiyatlandırması da değişti. Gemini Omni 1.1 Flash’e kıyasla yüzde 30 daha düşük maliyetle çalışan modelde 720p çözünürlüklü video üretiminin saniyelik ücreti 0,07 dolar oldu. Böylece 15 saniyelik bir videonun 720p çözünürlükteki temel üretim maliyeti 1,05 dolara karşılık geliyor.
Video oluşturma sürecinde 360p ve 720p çözünürlük seçenekleri kullanılabiliyor. Kullanıcılar, düşük çözünürlükte hazırladıkları taslakları düzenledikten sonra seçtikleri videoların çözünürlüğünü 1080p veya 4K seviyesine yükseltebiliyor. Farklı çözünürlüklerdeki üretim seçenekleri için de önceki sürüme kıyasla maliyet indirimleri uygulanıyor.
Gemini Omni 1.2 Flash’in yenilikleri arasında referans görsellere bağlılık da bulunuyor. Kullanıcılar, karakter fotoğraflarını, ürün görsellerini, belirli bir görsel tarzı yansıtan örnekleri, üç saniyeye kadar hareketli görüntüleri ve ses referanslarını video oluşturma sürecinde birlikte kullanabiliyor. Model, bu referanslardaki ayrıntıları video boyunca koruyabiliyor.
Özellikle karakterlerin yüzleri, kıyafetleri, ürün ambalajlarındaki yazılar ve marka renkleri farklı kamera açılarında daha tutarlı biçimde oluşturuluyor. Paylaşılan örneklerden birinde, bir modelin fotoğrafı ile üç farklı kıyafetin ön ve arka görselleri kullanılarak 15 saniyelik sanal kıyafet deneme videosu hazırlandı. Videoda modelin görünümü, kıyafetlerin kesimleri ve arka yüzeylerindeki ayrıntılar 360 derecelik dönüşler sırasında korundu.
Yeni sürüm, sahneler arasında karakterlerin ve nesnelerin görünümünün değişmesi gibi sorunları da azaltıyor. Kamera hareketleri ve sahne geçişleri sırasında ortaya çıkabilen görsel bozulmaların önüne geçmek için nesne, karakter ve ortam tutarlılığı geliştirildi. Model, başlangıç ve bitiş kareleri verilen bir videonun ara görüntülerini oluşturabiliyor ve mevcut videoları uzatabiliyor.
Gemini Omni 1.1 Flash ile yapılan karşılaştırmalarda, aynı sergi afişinin animasyonunda yeni sürümün referans görsele daha yakın sonuçlar oluşturduğu gösterildi. Beş katmanlı animasyon talimatıyla hazırlanan videoda cam, kristal, aydınlatma ve tipografi ayrıntıları sahne boyunca korunurken nesneler belirlenen sırayla oluşturuldu.
Gemini Omni 1.2 Flash’in bir diğer özelliği ise videoların sohbet ederek düzenlenebilmesi. Kullanıcılar, oluşturdukları bir videoya yeni komutlar vererek sahnedeki ürünleri, arka planı, ışıklandırmayı, hava koşullarını veya görüntü oranını değiştirebiliyor. Bunun için videonun sıfırdan oluşturulması gerekmiyor.
Çok aşamalı düzenleme özelliği 15 saniyelik videoların tamamında kullanılabiliyor. Örneğin aynı karakterlerin bulunduğu bir sahnenin arka planı önce ormana, ardından ahıra, pazar alanına veya kaleye dönüştürülebiliyor. Düzenlemeler sırasında karakterlerin hareketleri, zırhlarındaki yansımalar ve kamera kadrajı korunabiliyor.
Model, hareket aktarımı da yapabiliyor. Hazırlanan örneklerden birinde önce suda hareket eden bir ahtapot oluşturuldu. Ardından ahtapotun yerine bir dansçı yerleştirildi ve dansçının elbisesi, ilk videodaki su altı hareketlerini takip edecek şekilde yeniden oluşturuldu.
Ses üretimi tarafında da değişiklikler bulunuyor. Gemini Omni 1.2 Flash, birden fazla karakterin konuştuğu videolarda farklı sesleri karakterlerle eşleştirebiliyor. Konuşmaların akıcılığı, dudak senkronizasyonu ve karakterlerin sesli ifadeleri geliştirildi.
Hazırlanan animasyon örneğinde, tek bir sahne görseliyle birlikte dört karaktere ait ağız ve birer saniyelik ses referansları kullanıldı. Model, karakterlerin seslerini doğru konuşmacılarla eşleştirerek 15 saniyelik bir animasyon oluşturdu.
Kamera hareketlerinin kontrolü de güncellendi. Gemini Omni 1.2 Flash, FPV drone uçuşlarını, kesintisiz kamera geçişlerini, nesnelerin çevresinde dönüşleri ve hızlı uzaklaşma hareketlerini oluşturabiliyor. Kamera hareketleri sırasında istenmeyen kesmelerin azaltılması ve görüntü ölçeğinin korunması için iyileştirmeler yapıldı.
Paylaşılan örneklerden birinde iki mimari referans fotoğrafı kullanılarak Roma’daki Pantheon’a doğru ilerleyen bir FPV drone uçuşu hazırlandı. Kamera, meydandan başlayarak bronz kapılardan geçti ve yapının kubbesindeki açıklığa kadar kesintisiz ilerledi.
Bir diğer örnekte kıyıdaki yakın plan görüntüden adanın tamamını gösteren havadan çekim açısına geçildi. On saniyelik video boyunca herhangi bir kamera kesmesi kullanılmadı.
Yeni model, birden fazla sahneden oluşan videolar da hazırlayabiliyor. Tek bir görsel referans üzerinden dört farklı çekim içeren 15 saniyelik bilimsel anlatım videosu oluşturuldu. Video boyunca hareketli açıklama yazıları ve sahnelerdeki nesneler arasındaki ilişki korundu.
Gemini Omni 1.2 Flash, Google Cloud altyapısında genel kullanıma sunuldu. Geliştiriciler modele Gemini API üzerinden erişebiliyor ve Google AI Studio aracılığıyla uygulamalar hazırlayabiliyor. Kurumsal kullanıcılar ise Google Cloud Console ve Gemini for Business üzerinden modelden yararlanabiliyor. Google Cloud müşterileri için Provisioned Throughput desteği de bulunuyor.
Bireysel kullanıcılar tarafında Google Flow üzerinden video oluşturma ve çok aşamalı düzenleme özellikleri sunuluyor. Google Vids kullanıcıları, Google hesabı veya Google Workspace aboneliğiyle 15 saniyelik videoları ek ücret ödemeden oluşturabiliyor. Gemini uygulamasındaki 15 saniyelik video üretimi ise Google AI Ultra abonelerine kademeli olarak açılıyor.
Model, Google Ads üzerinden reklam kampanyalarında da kullanılabiliyor. Ürün tanıtımları, sanal kıyafet denemeleri, farklı hedef kitlelere yönelik reklam varyasyonları ve kurumsal video içerikleri desteklenen kullanım alanları arasında bulunuyor.
Gemini Omni 1.2 Flash ile oluşturulan videolarda, yapay zekâ tarafından üretildiklerini belirlemeye yarayan ve insan gözüyle fark edilemeyen SynthID dijital filigranı kullanılıyor. Video düzenleme sırasında kişilerin konuşmalarının değiştirilebilmesine yönelik bazı yetenekler ise güvenlik gerekçesiyle sınırlandırılıyor.
Modelin geliştirme süreci devam ediyor. Hızlı spor hareketleri, ani senaryo değişiklikleri ve karmaşık fiziksel etkileşimlerin oluşturulması, geliştirme çalışmalarının sürdüğü alanlar arasında yer alıyor.
1996 yılında Üsküdar’da doğan Mert Can Aka, sinema, bilim, teknoloji ve tarih alanlarına duyduğu ilgiyle şekillenen kariyerinde teknoloji editörlüğüne odaklandı. Öğrenmeyi ve bilgiyi aktarmayı merkeze alan Aka, farklı kurumlarda çeşitli görevler üstlendi. Bu süreçte MediaMarkt’ın MediaTrend Teknolojik Yaşam dergisini son sayısına kadar yöneterek dergicilik tarafında da deneyim kazandı. Bilgisayar Mühendisliği, Bilgisayar Programcılığı, Web Tasarım ve Kodlama ile birlikte Adalet ve İktisat alanlarında akademik geçmişe sahip olan Aka, bugün Technopat’ta Yazı İşleri Müdürü olarak görev yapıyor. Otomotivden yapay zekaya, donanımdan ev teknolojilerine uzanan geniş bir yelpazede ürettiği on bini aşkın içerik yüz milyonlarca okura ulaştı.
Kaynak: Technopat


