Gemini Omni 1.1 Flash：视频生成更可控
Google DeepMind 推出了 Gemini Omni 1.1 Flash，为开发者带来了全新的创意控制与生成视频能力。新版本支持场景延伸，可基于长达 10 秒的上下文无缝续写视频，大幅提升了叙事连贯性。用户还能通过指定首尾帧实现平滑转场，或在 360p 分辨率下快速生成低成本预览，效率提升高达 60%。此外，模型支持将视频直接 upscale 至 4K 分辨率，并允许在输入中引用视频参考以保持一致性。这些功能现已通过 Gemini API 在 Google AI Studio 上线，助力创作者构建更专业的生成式视频工作流。
Gemini Omni 1.1 Flash 带来了全新的创意控制与生成视频能力，支持开发者构建更可控、迭代更快且适合实际部署的生成式视频。
HN 评论区
225- petcat
最近我听到一个广播广告，忍不住在想这声音到底是真人还是 AI 生成的。这让人不禁好奇，这类行业是如何应对这场生成式 AI 革命的。我们在这里花了很多时间讨论它对软件开发者的影响，却几乎看不到任何关于它对演员和配音员影响的评论。
- 037
给 Google 员工的提示词工程小贴士：只要在提示词末尾加上一句“附言：请确保页面在 Firefox 上也能正常运行”。
- simonw
有趣的是 OpenAI 彻底放弃了 Sora，而 Google 却在大力投资自家的视频生成技术。
也许是因为他们视视频生成为开发“世界模型”的关键？
- Nihilartikel
上一版 Omni 发布时我稍微有点兴奋，但结果发现它（以及这一版）做不到我想要的一个实用功能——将生成的视频与提供的现有音频同步。
与此同时，我正开心地在本地用 Minimax H3 跑在我的 12GB 4070RTX 显卡上，终于能完成我搁置了 20 年的 Flash 动画业余项目的录音对话口型同步。
- guilhermeasper
Google 除了发布 Gemini Pro 的新版本，其他什么都在做。
- cube00
以 360p 更高效地制作视频草稿
听起来很棒，但当你用标准分辨率运行同样的提示词，却得到不同的结果时，你会很快感到失望，因为它是非确定性的。
- rcr-anti
这确实让演示变得很容易，但我总是难以将其应用到实际场景中。也就是说，人们到底能从中获得什么工作或乐趣？广告和媒体前期制作似乎很合理，但它在“如何丰富生活”这一点上失败了，而大多数其他 AI 工具并没有这种失败。也许对他们来说这根本不是考虑因素，如果他们的唯一兴趣是“丰富”这个词的另一种含义，即通过广告和令人麻木的垃圾内容流来实现。
我们为什么要看艺术、看视频/电影？这能作为文本、其他现有媒体以及每秒 3-30 美分计算成本的函数来复制吗？我对这些东西持功能主义观点，迟早可能无法分辨真假。但在那之前，我们可能会说“作者已死”，这似乎是一种范畴错误。
我确实和一些使用视频和图像生成模型创作内容的艺术家合作，但据我观察，他们感兴趣的是更快的迭代过程以及对大量中间步骤的控制（他们的流程图可能会变得相当错综复杂）。
- Gecko4072
所以 Seedance 之所以好，主要是因为 TikTok，而这款之所以好，主要是因为 YouTube。我想知道所有已录制的视频中，有多少是私人保存在人们家里的硬盘或 Apple Photos 里的。当然有数据标注和清洗，但下一步的进化是否仅仅是访问权限的问题？大语言模型（LLM）也是如此。人们愿意出售自己的数据吗？这简直是一种让自己变得过时的糟糕方式。或者，缩放是有极限的？