مدل Gemini Omni 1.1 Flash امکان کنترل بیشتری را در توسعه فراهم می‌کند
خلاصه هوش مصنوعی
گوگل دیپ‌مایند مدل Gemini Omni 1.1 Flash را معرفی کرده است که کنترل‌های خلاقانه پیشرفته و قابلیت‌های ویدئوی مولد را از طریق Gemini API در Google AI Studio در اختیار توسعه‌دهندگان قرار می‌دهد. این به‌روزرسانی شامل قابلیت گسترش صحنه تا ۴۰ ثانیه با تحلیل ۱۰ ثانیه از زمینه قبلی، درون‌یابی فریم اول و آخر برای گذارهای دقیق، حالت پیش‌نویس ۳۶۰p برای نمونه‌سازی سریع، ارتقای مقیاس تا 4K و ارجاعات ویدئویی چندوجهی برای حفظ ثبات بصری و شخصیت‌ها است.
نکات کلیدی
- گسترش صحنه امکان تولید فیلم پیوسته را بر اساس حداکثر ۱۰ ثانیه از زمینه قبلی تا مجموع طول ۴۰ ثانیه فراهم می‌کند.
- توسعه‌دهندگان می‌توانند فریم‌های کلیدی شروع و پایان را برای حرکات نرم دوربین، چرخش‌ها یا لوپ‌ها مشخص کنند.
- حالت پیش‌نمایش ۳۶۰p برای نمونه‌سازی سریع، تولیدی تا ۶۰ درصد سریع‌تر با یک سوم هزینه مقایسه با ۷۲۰p ارائه می‌دهد.
چرا مهم است
برای توسعه‌دهندگان و مهندسانی که روی نرم‌افزارهای ویرایش رسانه، ابزارهای خلاقانه یا جریان‌های کاری ویدئوی مولد کار می‌کنند، مدل Gemini Omni 1.1 Flash کنترل برنامه‌نویسی روی تولید ویدئو را فراهم می‌کند. ویژگی‌هایی مانند درون‌یابی فریم، گسترش صحنه و ارتقای مقیاس، فاصله بین تولید ویدئوی آزمایشی هوش مصنوعی و پیاده‌سازی‌های آماده برای تولید را پر می‌کنند.
گفتگو 0
آغازگر گفتگو باشید.