به گزارش آی سی تی نیوز؛ گوگل در ۵ نوامبر ۲۰۲۶ (۱۴ آبان ۱۴۰۵) مدل Gemini Omni 1.2 Flash را به‌صورت عمومی منتشر کرد. این مدل با قیمت مقرون‌به‌صرفه‌تر، امکان تولید و ویرایش ویدیوها را به ۱۵ ثانیه افزایش داده و انسجام صحنه‌ها، گفتار طبیعی شخصیت‌ها و وفاداری به فایل‌های مرجع را بهبود بخشیده است. خبر عرضه آن در ۵ نوامبر منتشر شد .
ویرایش گفت‌وگومحور چندمرحله‌ای
یکی از مهم‌ترین قابلیت‌های جدید، ویرایش چندمرحله‌ای با دستور متنی است. کاربر می‌تواند بدون تولید مجدد کل ویدیو، جزئیات را مرحله‌به‌مرحله تغییر دهد—تغییر پس‌زمینه، محصول، نورپردازی، آب‌وهوا یا نسبت تصویر. در یک دموی رسمی، پس‌زمینه از چادر راه‌راه به جنگل بلوط، اصطبل و قلعه سنگی تغییر کرد، در حالی که اجرای شخصیت‌ها و انعکاس زره بدون تغییر ماند .
پشتیبانی از ۴K
برخلاف تصور که فقط ۷۲۰p ذکر شده، مدل از رزولوشن‌های ۳۶۰p، ۷۲۰p، ۱۰۸۰p و ۴K پشتیبانی می‌کند. کاربر می‌تواند ابتدا با ۳۶۰p یا ۷۲۰p پیش‌نویس سریع بگیرد و سپس نسخه نهایی را به ۱۰۸۰p یا ۴K ارتقا دهد .
محدودیت‌های فنی
بر اساس مستندات Google Cloud، حداکثر ۱۰ تصویر و ۳ ویدیو در هر پرامپت قابل استفاده است. نسبت‌های تصویر شامل ۱۶:۹ و ۹:۱۶ می‌شود. حداکثر طول ویدیوی ورودی برای ویرایش ۱۵ ثانیه و برای درک ویدیو ۱۰ دقیقه است .
قابلیت صوتی
مدل صدا را به‌صورت همگام با ویدیو تولید می‌کند—گفتار، موسیقی و جلوه‌های صوتی. پشتیبانی از چند گوینده مجزا و هماهنگی بهتر حرکت لب‌ها با کلام نیز فراهم شده است. تمام خروجی‌ها دارای واترمارک نامرئی SynthID هستند .
دسترسی و قیمتکاربران
می‌توانند در Flow by Google صحنه‌ها را کارگردانی و ویرایش کنند، در Google Vids کلیپ‌های ۱۵ ثانیه‌ای بدون هزینه اضافی بسازند یا در Gemini App ویدیوهای ۱۵ ثانیه‌ای تولید کنند. برخلاف تصور که فقط مشترکان پولی دسترسی دارند، هر کاربر با حساب گوگل یا Google Workspace می‌تواند ماهانه تا سه ویدیوی ۱۵ ثانیه‌ای در Google Vids به‌صورت رایگان تولید کند. دسترسی کامل در Gemini App نیازمند اشتراک Google AI Ultra است .برای توسعه‌دهندگان، قیمت API نسبت به نسل قبل ۳۰ درصد کاهش یافته و به ۰.۰۷ دلار به ازای هر ثانیه ویدیوی ۷۲۰p رسیده است. هزینه یک ویدیوی ۱۵ ثانیه‌ای ۷۲۰p حدود ۱.۰۵ دلار است .
عملکرد در بنچمارک
بر اساس گزارش 36Kr، Gemini Omni 1.2 Flash در جدول‌های رتبه‌بندی تبدیل متن به ویدیو و تبدیل تصویر به ویدیو رتبه اول را کسب کرده و در ویرایش ویدیو رتبه سوم است، بالاتر از FLUX3 Video، Grok Imagine Video 1.5 و Seedance 2.0/2.5 .
تحلیلICTNews
Gemini Omni 1.2 Flash را باید در چارچوب یک استراتژی مشخص از سوی گوگل دید: قیمت پایین‌تر، کیفیت بالاتر، و یکپارچگی با اکوسیستم موجود. کاهش ۳۰ درصدی قیمت API در حالی رخ می‌دهد که رقبا—از OpenAI تا Runway—هنوز قیمت‌های بالاتری برای تولید ویدیو ارائه می‌دهند. این تصمیم می‌تواند گوگل را به گزینه اول توسعه‌دهندگان تبدیل کند.نکته قابل توجه، ویرایش چندمرحله‌ای است. تا پیش از این، تولید ویدیو با AI یک فرایند «یک‌باره» بود: پرامپت می‌دادی و یک ویدیو می‌گرفتی. اگر جزئیاتی اشتباه بود، باید از صفر شروع می‌کردی. حالا کاربر می‌تواند پس‌زمینه را عوض کند بدون اینکه شخصیت‌ها تغییر کنند. این یک تغییر پارادایم در جریان کاری تولید ویدیو است—نزدیک‌تر به ویرایش حرفه‌ای در نرم‌افزارهایی مانند Premiere یا DaVinci Resolve.نکته دوم، دسترسی رایگان در Google Vids است. سه ویدیوی ۱۵ ثانیه‌ای در ماه برای هر کاربر گوگل، یک پیشنهاد سخاوتمندانه است که می‌تواند Gemini را به ابزار روزمره تولید محتوا تبدیل کند. اما این سهمیه برای کاربران حرفه‌ای کافی نیست و آن‌ها را به سمت اشتراک Ultra سوق می‌دهد.نکته سوم، محدودیت ۱۰ تصویر و ۳ ویدیو در هر پرامپت است. برای تولید ویدیوهای پیچیده با چند صحنه، این محدودیت می‌تواند مانع باشد. همچنین پشتیبانی از فقط دو نسبت تصویر (۱۶:۹ و ۹:۱۶) برای پلتفرم‌هایی مانند اینستاگرام (۱:۱ یا ۴:۵) محدودیت ایجاد می‌کند.
در مجموع، Gemini Omni 1.2 Flash نشان می‌دهد که گوگل قصد دارد نه‌فقط در «هوش مدل»، بلکه در «قیمت» و «یکپارچگی با اکوسیستم» نیز با رقبا رقابت کند. اگر این استراتژی جواب دهد، می‌تواند سهم قابل‌توجهی از بازار تولید ویدیو با AI را به دست آورد.
