Gemini Omni 1.2 Flash: Google का वीडियो अपडेट

Google का AI वीडियो जनरेशन और संपादन मॉडल Gemini Omni 1.2 Flash अब Google Cloud पर आम तौर पर उपलब्ध है। इस अपडेट में क्लिप की अवधि 15 सेकंड तक बढ़ाई गई है, रेफ़रेंस का पालन बेहतर हुआ है और Google की जनरेशन कीमत कम हुई है। यह vega.chat पर Gemini Omni के रूप में और api.vega.chat के ज़रिए भी पहले से उपलब्ध है। इसे रूस समेत दुनिया भर में बिना VPN या विदेशी खाते के इस्तेमाल किया जा सकता है।

Gemini Omni 1.2 Flash: इस अपडेट में क्या बदला है

Omni 1.1 Flash से हुआ अपग्रेड व्यावहारिक प्रोडक्शन ज़रूरतों पर केंद्रित है: लंबी क्लिप, अधिक सुसंगत विषय और जनरेशन दोबारा शुरू करने की कम ज़रूरत।

15 सेकंड तक जनरेट और संपादित करें

पहले एक बार में जनरेशन की अधिकतम अवधि 10 सेकंड थी। 15 सेकंड का AI वीडियो आपको किसी उत्पाद का प्रदर्शन, छोटा दृश्य या पूरा विज्ञापन बनाने की गुंजाइश देता है—सिर्फ़ उसका एक हिस्सा नहीं।

Google Cloud पर कम कीमतें

Google के मुताबिक, 720p जनरेशन की कीमत $0.07 प्रति सेकंड है—Omni 1.1 Flash से 30% कम। घोषणा में सटीक आंकड़े दिए बिना यह भी कहा गया है कि अन्य रिज़ॉल्यूशन पर भी ऐसी ही बचत होगी। ये Google Cloud की कीमतें हैं, VEGA की नहीं।

इमेज और वीडियो रेफ़रेंस का बेहतर पालन

मॉडल दिए गए रेफ़रेंस का अधिक बारीकी से पालन करता है, जिससे अलग-अलग शॉट में उत्पाद, किरदार और ब्रांड की खूबियां एक जैसी बनी रहती हैं। किसी रिटेलर के लिए इसका मतलब है कि असली उत्पाद पहचानने योग्य बना रहे, न कि उससे मिलती-जुलती किसी श्रेणी का उत्पाद बन जाए।

Google ने अधिक स्वाभाविक संवाद, बेहतर लिप-सिंक और कई वक्ताओं के लिए अधिक स्पष्ट कंडीशनिंग की भी जानकारी दी है। ऑडियो रेफ़रेंस allowlisting की शर्त पर उपलब्ध हैं, इसलिए यह सुविधा अभी सभी के लिए नहीं है।

संवादात्मक वीडियो संपादन और 4K अपस्केलिंग

संवादात्मक वीडियो संपादन की मदद से आप पूरी क्लिप फिर से जनरेट करने के बजाय मौजूदा क्लिप को बेहतर बना सकते हैं। Google ने उत्पाद बदलने, रोशनी बदलने और कैमरे का कोण समायोजित करने के उदाहरण दिए हैं।

इससे बदलाव करने का तरीका बदल जाता है: जो हिस्से अच्छे हैं, उन्हें बनाए रखें और फिर किसी खास सुधार के लिए कहें। यह तब खास तौर पर उपयोगी है जब दृश्य लगभग तैयार हो, लेकिन उसमें किसी एक बारीकी को ठीक करना हो।

ड्राफ़्ट से फ़ाइनल तक का वर्कफ़्लो, शुरुआती प्रयोगों को अंतिम डिलीवरी से अलग रखता है। पहले 360p या 720p में ड्राफ़्ट बनाएं, सबसे अच्छा नतीजा चुनें और फिर उसे 1080p या 4K में अपस्केल करें। अब हर प्रयोग को फ़ाइनल रेंडर के रूप में चलाने की ज़रूरत नहीं है।

घोषणा में वीडियो एक्सटेंशन और वीडियो-टू-वीडियो रीस्टाइलिंग का इस्तेमाल करने वाले ग्राहकों का भी ज़िक्र है। इन वर्कफ़्लो की सटीक तकनीकी सीमाएं नहीं बताई गई हैं, इसलिए 15 सेकंड की सीमा को पूरी विशिष्टता नहीं मानना चाहिए।

AI वीडियो विज्ञापन, उत्पाद क्लिप और ग्राहकों के उदाहरण

सबसे स्पष्ट उपयोग के मामले उस सामग्री से शुरू होते हैं जो किसी व्यवसाय के पास पहले से मौजूद है। मौजूदा उत्पाद फ़ोटो से पूरे कैटलॉग के लिए उत्पाद के घूमते हुए दृश्य, लाइफ़स्टाइल क्लिप, वर्चुअल ट्राय-ऑन वीडियो और AI वीडियो विज्ञापन बनाए जा सकते हैं। यहां रेफ़रेंस की एकरूपता अहम है: दृश्य और प्रस्तुति बदलने पर भी उत्पाद पहचानने योग्य रहना चाहिए।

घोषणा में दिए गए ग्राहकों के उदाहरण दिखाते हैं कि यह अपडेट असल वर्कफ़्लो में कैसे काम आता है:

• Artlist रेफ़रेंस-आधारित जनरेशन और वीडियो एक्सटेंशन का इस्तेमाल करता है; FLORA वीडियो-टू-वीडियो रीस्टाइलिंग का।


• invideo एक ही प्रॉम्प्ट में पूरे दृश्य जनरेट करता है और मॉडल के प्रॉम्प्ट पालन, भौतिकी, ध्वनि और गति की सराहना करता है।


• Krea किरदार और दृश्य बदलने की सुविधा पर ज़ोर देता है—यानी पूरी क्लिप फिर से शुरू करने के बजाय लक्षित संपादन।


• Picsart पहले ड्राफ़्ट में बदलाव करता है, फिर 100 मिलियन से अधिक क्रिएटर्स के लिए AI ड्रामा 4K में रेंडर करता है।


• Photoroom अपने Video Ad Maker और Product Animator में इस मॉडल का इस्तेमाल करता है। इसके CEO के मुताबिक, 15 सेकंड का आउटपुट उपयोगकर्ताओं की सबसे बड़ी मांगों में से एक था।


• QuickFrame AI ने एक ही जनरेशन में 15 सेकंड का पूरा 1080p कनेक्टेड-टीवी विज्ञापन बनाया।

ये ग्राहकों के बताए नतीजे हैं, इस बात की गारंटी नहीं कि हर प्रॉम्प्ट से पहली कोशिश में ही तैयार विज्ञापन मिल जाएगा। हालांकि, इनसे अपडेट की दिशा स्पष्ट होती है: लंबी और अधिक नियंत्रण योग्य क्लिप, जिन्हें जोड़ने-संवारने की कम ज़रूरत हो।

vega.chat पर Gemini Omni 1.2 Flash आज़माएं

vega.chat पर Gemini Omni वीडियो मॉडल चुनें। वहां संस्करण 1.2 पहले से टेक्स्ट-टू-वीडियो, इमेज-टू-वीडियो, रेफ़रेंस-टू-वीडियो और संवादात्मक संपादन के लिए उपलब्ध है।

पहली बार आज़माने का एक अच्छा तरीका: उत्पाद की इमेज और दृश्य का स्पष्ट विवरण देकर शुरुआत करें, फिर बातचीत के ज़रिए नतीजे को बेहतर बनाएं। फ़ाइनल आउटपुट चुनने से पहले उत्पाद की बारीकियों और गति की जांच करें।

डेवलपर, वीडियो जनरेशन और संपादन को ऐप्लिकेशन और एजेंट में जोड़ने के लिए OpenRouter-संगत api.vega.chat के ज़रिए मॉडल का इस्तेमाल कर सकते हैं।

Google Cloud पर इस घोषणा के साथ Provisioned Throughput और अदृश्य SynthID वॉटरमार्किंग भी जोड़ी गई है। Gemini for business में उपलब्धता अभी "जल्द आ रही है"—यह मॉडल की मौजूदा आम उपलब्धता और VEGA के ज़रिए पहले से मिल रही पहुंच से अलग है।