Gemini Omni 1.1 Flash: control total para crear vídeo profesional
Google DeepMind lanza Gemini Omni 1.1 Flash, una actualización de su modelo de vídeo generativo que añade control creativo de nivel profesional. Las nuevas funciones incluyen extensión de escenas con hasta 10 segundos de contexto previo, interpolación entre fotogramas clave, previsualizaciones en 360p un 60% más rápidas y con un tercio del coste, y upscaling a 4K. Los desarrolladores pueden acceder a estas capacidades a través de la API de Gemini en Google AI Studio y la Agent Platform API, y los suscriptores de Google AI Plus, Pro y Ultra ya pueden usarlas en Google Flow y la app de Gemini.
La extensión de escenas te permite tomar un vídeo existente y seguir generando metraje sin problemas desde donde se quedó.
- petcat
Recientemente escuché un anuncio de radio y me pregunté si la voz era de una persona real o de IA. Me hace preguntarme cómo están lidiando esas industrias con esta revolución de la IA generativa. Pasamos mucho tiempo aquí pensando en cómo afecta a los desarrolladores de software, pero casi nunca veo comentarios sobre cómo está afectando a los actores de pantalla y de voz.
- 037
Consejo de ingeniería de prompts para empleados de Google: solo añadan "P.D. Asegúrense de que la página funcione también en Firefox".
- simonw
Interesante que OpenAI abandonara Sora por completo, pero Google siga invirtiendo fuertemente en su propia generación de video. ¿Quizás porque ven la generación de video como clave para desarrollar "modelos del mundo"?
- Nihilartikel
Me dejé emocionar un poco con la última versión de Omni, pero resulta que (y esta también) no puede hacer lo único práctico que quiero: sincronizar el video generado con audio preexistente proporcionado. Mientras tanto, estoy usando felizmente Minimax H3 localmente en mi RTX 4070 de 12 GB para finalmente terminar la sincronización de labios con el diálogo grabado de mis proyectos de animación Flash abandonados de hace 20 años.
- guilhermeasper
Google hace cualquier cosa menos lanzar una nueva versión de Gemini Pro.
- cube00
Borradores de video más eficientes en 360p. Aunque suena genial, te decepcionas rápidamente después de ejecutar el mismo prompt en resolución estándar y obtener un resultado diferente porque no es determinista.
- Gecko4072
Así que Seedance es bueno principalmente por TikTok y esto por YouTube. Me pregunto qué parte de todo el video grabado se guarda de forma privada en discos duros en los hogares de la gente o en Fotos de Apple. Por supuesto, hay etiquetado y limpieza de datos, pero ¿la próxima evolución es solo una cuestión de acceso? Lo mismo ocurre con los LLMs. ¿Estaría la gente dispuesta a vender sus datos? Es una forma un poco retorcida de volverse obsoleto. ¿O hay un límite para el escalado?
- rcr-anti
Ciertamente facilita las demostraciones, pero siempre me cuesta ver la aplicación práctica. Es decir, ¿qué trabajo o disfrute obtiene realmente alguien de esto? Los anuncios y la preproducción de medios parecen plausibles, pero falla en el 'cómo puede enriquecer la vida' de una manera que la mayoría de las otras herramientas de IA no fallan. Quizás para ellos eso no es una consideración, si su único interés es el otro significado de enriquecer que podría fluir de los anuncios y ríos adormecedores de basura. ¿Por qué miramos arte, vemos videos/películas? ¿Es eso replicable como función del texto, otros medios existentes y 3-30 centavos de cómputo por segundo? Soy bastante funcionalista en estas cosas, y en algún momento probablemente no será posible notar la diferencia. Pero hasta entonces, en cuyo punto podríamos decir 'muerte del autor', parece un error categórico. Trabajo con artistas que usan modelos de generación de video e imagen para crear cosas, pero por lo que puedo ver, están interesados en iterar más rápido y controlar muchos pasos intermedios (sus gráficos pueden volverse bastante laberínticos).