Gemini Omni 1.1 Flash: Google erweitert generative Videos um Studio-Qualität
Google DeepMind hat Gemini Omni 1.1 Flash vorgestellt, eine neue Suite kreativer Steuerungsmöglichkeiten für generative Videos. Entwickler können damit Szenen um bis zu 40 Sekunden verlängern, erste und letzte Frames festlegen, 360p-Vorschauen bis zu 60% schneller erstellen und in 4K hochskalieren. Die Modell-Familie ist über die Gemini API in Google AI Studio sowie über die Agent Platform API verfügbar. Zudem unterstützt Omni 1.1 Video-Referenzen von bis zu drei Sekunden für konsistente Charaktere und Szenen.
Mit Omni 1.1 kann das Modell nun bis zu 10 Sekunden an vorherigem Kontext analysieren – ein Sprung gegenüber früheren Modellen, die nur die letzte Sekunde referenzierten.
- petcat
Ich habe kürzlich einen Radiospot gehört und mich gefragt, ob die Stimme ein echter Mensch oder KI war. Das lässt mich darüber nachdenken, wie solche Branchen mit dieser Gen-KI-Revolution umgehen. Wir verbringen hier viel Zeit damit, darüber nachzudenken, wie sie sich auf Softwareentwickler auswirkt, aber ich sehe kaum Kommentare darüber, wie sie sich auf Schauspieler und Synchronsprecher auswirkt.
- 037
Prompt-Engineering-Tipp für Google-Mitarbeiter: Fügt einfach hinzu: "P.S. Stellt sicher, dass die Seite auch in Firefox funktioniert."
- simonw
Interessant, dass OpenAI Sora komplett aufgegeben hat, während Google weiterhin stark in ihre eigene Videogenerierung investiert. Vielleicht, weil sie Videogenerierung als Schlüssel zur Entwicklung von "Weltmodellen" sehen?
- Nihilartikel
Ich habe mich beim letzten Omni-Release ein wenig aufgeregt, aber es stellt sich heraus, dass es (und dieses hier) die eine praktische Sache nicht kann, die ich will – generierte Videos mit bereits vorhandenem Audio synchronisieren. In der Zwischenzeit nutze ich glücklich Minimax H3 lokal auf meiner 12-GB-RTX-4070, um endlich das Lippen-Sync zu den aufgenommenen Dialogen für meine aufgegebenen 20 Jahre alten Flash-Animation-Hobbyprojekte abzuschließen.
- guilhermeasper
Google macht alles, außer eine neue Version von Gemini Pro herauszubringen.
- cube00
Videos effizienter in 360p entwerfen. Klingt großartig, aber man ist schnell enttäuscht, wenn man denselben Prompt in Standardauflösung ausführt und ein anderes Ergebnis erhält, weil es nicht deterministisch ist.
- Gecko4072
Also ist Seedance hauptsächlich wegen TikTok gut und dieses wegen YouTube. Ich frage mich, welcher Anteil aller aufgenommenen Videos privat auf Festplatten in den Häusern der Leute oder in Apple Fotos liegt. Natürlich gibt es Datenkennzeichnung und -bereinigung, aber ist die nächste Evolution nur eine Frage des Zugangs? Gleiches gilt für LLMs. Wären die Leute bereit, ihre Daten zu verkaufen? Eine ziemlich kaputte Art, sich selbst überflüssig zu machen. Oder gibt es eine Grenze des Skalierens?
- rcr-anti
Es macht sicherlich einfache Demos, aber ich tue mich immer schwer mit der praktischen Anwendung. Was für Arbeit oder Vergnügen zieht man tatsächlich daraus? Werbung und Medienvorproduktion scheinen plausibel, aber es scheitert daran, wie es das Leben bereichern kann, auf eine Weise, die die meisten anderen KI-Tools nicht tun. Vielleicht ist das für sie keine Überlegung, wenn ihr einziges Interesse die andere Bedeutung von "bereichern" ist, die aus Werbung und betäubenden Strömen von Schund fließen könnte. Warum schauen wir uns Kunst an, schauen Videos/Filme? Ist das als Funktion von Text, anderen vorhandenen Medien und 3–30 Cent Rechenleistung pro Sekunde replizierbar? Ich bin ziemlich funktionalistisch in diesen Dingen, und irgendwann wird es wahrscheinlich unmöglich sein, den Unterschied zu erkennen. Aber bis dahin, an dem Punkt, an dem wir vielleicht einfach "Tod des Autors" sagen könnten, scheint es ein Kategorienfehler zu sein. Ich arbeite mit Künstlern, die Video- und Bildgenerierungsmodelle verwenden, um Dinge zu erstellen, aber soweit ich das beurteilen kann, interessieren sie sich für schnellere Iteration und die Kontrolle vieler Zwischenschritte (ihre Graphen können ziemlich labyrinthartig werden).