Gemini Omni 1.2 बनाम 1.1 Flash: 15 सेकंड की क्लिप और संवाद में अब बेवजह कट नहीं

एक ही प्रॉम्प्ट पर Gemini Omni 1.2 बनाम 1.1 Flash: बिना कट वाला एक-टेक FPV शॉट, दो लोगों का संवाद दृश्य, 15 सेकंड की क्लिप और कीमत। असल में क्या बेहतर हुआ।
5 नवंबर को Google ने Gemini Omni 1.2 Flash को सभी के लिए उपलब्ध कर दिया। घोषणा में कई अपग्रेड गिनाए गए हैं: 15 सेकंड तक की क्लिप, रेफ़रेंस इमेज का ज़्यादा क़रीबी पालन, ज़्यादा स्वाभाविक संवाद और लिप-सिंक, लंबी कैमरा मूवमेंट में कम अनचाहे जंप कट, और 1.1 से लगभग 30% कम कीमत। सबसे अहम पंक्ति डेवलपर चेंजलॉग में है: 3 दिसंबर से Omni 1.1 को भेजा गया हर अनुरोध अपने-आप 1.2 पर भेज दिया जाएगा।
यानी 1.1 की उलटी गिनती शुरू हो चुकी है। ZOOOP ने इंतज़ार नहीं किया। जब Gemini Omni 1.2 Flash लाइव हुआ, हमने उसी समय 1.1 को हटा दिया, और 1.1 का पुराना पेज अब 1.2 पर रीडायरेक्ट होता है। उसे बंद करने से पहले मैंने दोनों वर्ज़न पर वही प्रॉम्प्ट चलाए, ताकि देख सकूँ कि अपग्रेड असल में कहाँ दिखता है।
Gemini Omni 1.2 में क्या बदला
पहले स्पेक्स। ये आप एआई वीडियो जेनरेटर में तुरंत देख सकते हैं:
- लंबाई: 3–10 सेकंड से बढ़कर 3–15 सेकंड, एक-एक सेकंड के हिसाब से चुन सकते हैं। आख़िरी फ़्रेम जोड़ने पर अधिकतम 10 सेकंड।
- एडिटिंग: सोर्स वीडियो अब 10 की जगह 15 सेकंड तक लंबे हो सकते हैं।
- एक्सटेंड करना: सोर्स की लंबाई पर अब कोई सीमा नहीं। मॉडल आख़िरी 10 सेकंड पढ़ता है और 3–10 सेकंड आगे बढ़ाता है।
- जो नहीं बदला: सिर्फ़ 16:9 और 9:16, 360p से 4K तक, और ऑडियो हमेशा चालू रहता है। आप उसे दिशा दे सकते हैं, पर बंद नहीं कर सकते। अधिकतम 10 रेफ़रेंस इमेज और 3-3 सेकंड के अधिकतम 3 रेफ़रेंस वीडियो।
कीमत की बात करें तो ZOOOP पर Gemini Omni 1.2 की प्रति सेकंड कीमत हर रेज़ोल्यूशन में उतनी ही है जितनी 1.1 की थी।
हमने कैसे परखा: दो प्रॉम्प्ट, दो वर्ज़न
दो प्रॉम्प्ट, उन क्षेत्रों पर निशाना साधते हुए जिनमें Google के मुताबिक़ सबसे ज़्यादा सुधार हुआ है। पहला है बिना कट वाला एक-टेक FPV ड्रोन शॉट: भोर में धुंध भरी झील के ऊपर नीचे-नीचे उड़ते हुए, दो चीड़ के पेड़ों के बीच से निकलकर, एक केबिन की छत के ऊपर से गुज़रकर पीछे बर्फ़ से ढके पहाड़ दिखाना, और प्रॉम्प्ट में साफ़ लिखा था "कोई कट नहीं"। दूसरा है दो लोगों का संवाद दृश्य: एक कॉफ़ी शॉप में घुंघराले बालों वाला बरिस्ता एक लाटे थमाते हुए एक लाइन बोलता है, और ग्रे कोट पहने एक ग्राहक जवाब देता है। दोनों 720p, 6 सेकंड, 16:9 पर।
पहला अंतर: एक-टेक कैमरा मूव बराबरी पर छूटा
मुझे लगा था कि 1.2 इसे आसानी से जीत लेगा। पर दोनों वर्ज़न ने अच्छा काम किया। मैंने दोनों क्लिप पर फ़्रेम-दर-फ़्रेम सीन डिटेक्शन चलाया, और किसी में भी हार्ड कट नहीं है। दोनों में फ़्रेम से फ़्रेम का सबसे बड़ा बदलाव बस सामान्य कैमरा मूवमेंट है।

फ़र्क़ उड़ान के रास्ते में है। 1.1 झील के किनारे से केबिन के सामने तक उड़ता है, फिर सीधे छत के ऊपर उठ जाता है। 1.2 सचमुच दोनों चीड़ों के बीच से उड़ता है और अंत में और ऊपर चढ़ता है, बर्फ़ीली चोटियाँ और घाटी में बादलों का समंदर दिखाता है, जो प्रॉम्प्ट के ज़्यादा क़रीब है। अगर आपको लैंडस्केप के लंबे टेक चाहिए, तो 1.1 यह पहले से कर लेता था; 1.2 बस निर्देश थोड़ा बेहतर मानता है।
दूसरा अंतर: संवाद में 1.2 अपने-आप कट करना बंद करता है
सबसे साफ़ अंतर यहीं है।
1.1 ने इसे शॉट/रिवर्स-शॉट की तरह शूट किया: कप थमाते बरिस्ता का मीडियम शॉट, फिर 4.6 सेकंड पर ग्राहक के क्लोज़-अप पर हार्ड कट। एडिट अपने-आप में ठीक है, बहुत से लाइव-एक्शन सीन ऐसे ही काटे जाते हैं, लेकिन प्रॉम्प्ट ने एक ही मीडियम शॉट माँगा था, और कट के बाद बरिस्ता फ़्रेम से बाहर हो जाता है। Gemini Omni 1.2 पूरे समय एक ही टू-शॉट पर टिका रहता है। दोनों लोग फ़्रेम में रहते हैं, और कप थमाना, लेना और बातचीत, सब एक ही लगातार शॉट में होता है, और हरकतें स्वाभाविक रूप से बहती हैं।


एक बारीकी में 1.1 ज़रूर जीता: प्रॉम्प्ट में "ग्रे कोट" लिखा था, और 1.1 ने ग्रे ही दिया। 1.2 की क्लिप में कोट इतना गहरा है कि लगभग काला दिखता है। दोनों क्लिप में बोली गई लाइनें और कॉफ़ी शॉप का माहौल है, लेकिन मैंने संवाद को शब्द-दर-शब्द नहीं लिखा, इसलिए मैं यह तय नहीं करूँगा कि किसका लिप-सिंक बेहतर है।
तीसरा अंतर: 15 सेकंड में एक पूरा पल समा जाता है
10 से 15 सेकंड सुनने में बस पाँच सेकंड ज़्यादा लगता है, लेकिन इससे मॉडल को इस्तेमाल करने का तरीक़ा बदल जाता है। दस सेकंड में आमतौर पर एक ही ऐक्शन आता है। पंद्रह सेकंड में शुरुआत, खुलासा और अंत तीनों आ जाते हैं, इसलिए सोशल ऐड को अब टुकड़े जोड़-जोड़कर बनाने की ज़रूरत नहीं। लॉन्च टेस्टिंग के दौरान हमने 15 सेकंड की एक वर्टिकल क्लिप एक ही जनरेशन में बनाई, और ऑडियो शुरू से आख़िर तक जुड़ा रहा, कहीं कोई जोड़ नहीं दिखा।
लंबी क्लिप में एक बात का ध्यान रखें: प्रारंभ / अंत फ़्रेम से वीडियो बनाते समय आख़िरी फ़्रेम जोड़ने पर सीमा अब भी 10 सेकंड है, और 11 सेकंड या उससे ज़्यादा चुनने पर आख़िरी फ़्रेम का स्लॉट लॉक हो जाता है।
स्पीड और कीमत
स्पीड लगभग बराबर है। 720p, 6 सेकंड वाले इस टेस्ट में दोनों वर्ज़न करीब 50 सेकंड में पूरे हो गए। प्रति सेकंड कीमत 1.1 जितनी ही है, और 1.1 हट जाने के बाद पुराने वर्ज़न पर टिके रहने की वैसे भी कोई वजह नहीं।
नतीजा: सीधे 1.2 इस्तेमाल करें
यहाँ सबसे अहम दो अपग्रेड हैं: 15 सेकंड तक की क्लिप और संवाद दृश्य जो अब अपने-आप नहीं कटते, वह भी पहले जितनी ही प्रति सेकंड कीमत पर। एक-टेक लैंडस्केप मूव में 1.1 पहले से अच्छा था; 1.2 बस प्रॉम्प्ट को थोड़ा और क़रीब से मानता है।
अगर आपने 1.1 पर वीडियो की एक सीरीज़ बनाई है और उसमें शॉट जोड़ने हैं, तो Gemini Omni 1.2 से छोटे-मोटे स्टाइल अंतर की उम्मीद रखें, जैसे कपड़ों के रंग, इसलिए प्रॉम्प्ट में साफ़-साफ़ लिखें। किसी मौजूदा क्लिप का स्टाइल बदलने के लिए वीडियो संपादित करें और क्लिप को आगे बढ़ाने के लिए वीडियो बढ़ाएं इस्तेमाल करें। दोनों अब 1.2 पर चलते हैं।
अक्सर पूछे जाने वाले सवाल
क्या मैं अब भी Gemini Omni 1.1 इस्तेमाल कर सकता हूँ?
ZOOOP ने 1.1 हटा दिया है, और उसका पेज 1.2 पर रीडायरेक्ट होता है। Google भी 3 दिसंबर से 1.1 के हर अनुरोध को अपने-आप 1.2 पर भेज देगा।
Gemini Omni 1.2 की क्लिप कितनी लंबी हो सकती है?
टेक्स्ट-टू-वीडियो, रेफ़रेंस-टू-वीडियो और पहले फ़्रेम से जनरेशन में 3 से 15 सेकंड तक की क्लिप बनती है। आख़िरी फ़्रेम जोड़ने पर अधिकतम 10 सेकंड।
क्या मैं Gemini Omni 1.2 में ऑडियो बंद कर सकता हूँ?
नहीं, ऑडियो हमेशा बनता है। आप "कोई संवाद नहीं" या "कोई बैकग्राउंड म्यूज़िक नहीं" जैसे प्रॉम्प्ट से उसे दिशा दे सकते हैं, या बाद में क्लिप को म्यूट कर सकते हैं।
क्या 1.2, 1.1 से महंगा है?
नहीं। ZOOOP पर Gemini Omni 1.2 की प्रति सेकंड कीमत हर रेज़ोल्यूशन में उतनी ही है जितनी 1.1 की थी।





