Gemini Omni 1.2 vs 1.1 Flash: 15 sekunders videoer og ikke flere tilfældige klip i dialogen

Indsigter4 min. læsning
Gemini Omni 1.2 vs 1.1 Flash: 15 sekunders videoer og ikke flere tilfældige klip i dialogen

Gemini Omni 1.2 vs 1.1 Flash med de samme prompts: en FPV-optagelse i ét take, en dialogscene med to personer, 15 sekunders klip og pris. Hvad der faktisk blev bedre.

Den 5. november gjorde Google Gemini Omni 1.2 Flash generelt tilgængelig. Annonceringen opremser en række forbedringer: klip på op til 15 sekunder, tættere overholdelse af referencebilleder, mere naturlig dialog og læbesynkronisering, færre uønskede jump cuts i lange kamerabevægelser og en pris, der er omkring 30% lavere end 1.1. Den vigtigste linje står i udviklerloggen: fra den 3. december bliver alle forespørgsler til Omni 1.1 automatisk sendt videre til 1.2.

Så 1.1 er på nedtælling. ZOOOP ventede ikke. Da Gemini Omni 1.2 Flash gik live, udfasede vi 1.1 samtidig, og den gamle 1.1-side viderestiller nu til 1.2. Før jeg slukkede for den, kørte jeg de samme prompts på begge versioner for at se, hvor opgraderingen faktisk kan ses.

Hvad der er ændret i Gemini Omni 1.2

Specifikationerne først. Dem kan du se med det samme i AI-videogeneratoren:

  • Længde: fra 3–10 sekunder til 3–15 sekunder, valgt sekund for sekund. Med et slutbillede er maksimum 10 sekunder.
  • Redigering: kildevideoer må nu være op til 15 sekunder lange i stedet for 10.
  • Forlængelse: ingen grænse for kildens længde længere. Modellen læser de sidste 10 sekunder og fortsætter i 3–10 sekunder.
  • Uændret: kun 16:9 og 9:16, 360p til 4K, og lyden er altid slået til. Du kan styre den, men ikke slå den fra. Op til 10 referencebilleder og op til 3 referencevideoer på hver 3 sekunder.

Hvad prisen angår, koster Gemini Omni 1.2 det samme pr. sekund på ZOOOP som 1.1 gjorde, i alle opløsninger.

Sådan testede vi: to prompts, to versioner

To prompts, rettet mod de områder, som Google siger er blevet mest forbedret. Den første er en FPV-droneoptagelse i ét take: lavt hen over en tåget sø ved daggry, ind mellem to fyrretræer, over taget på en hytte og så frem til de snedækkede bjerge bagved, med "ingen klip" skrevet ind i prompten. Den anden er en dialogscene med to personer: på en café rækker en krøllhåret barista en latte frem og siger en replik, og en kunde i en grå frakke svarer. Begge i 720p, 6 sekunder, 16:9.

Forskel et: kamerabevægelsen i ét take ender uafgjort

Jeg forventede, at 1.2 ville vinde den her let. Begge versioner klarede det godt. Jeg kørte sceneregistrering billede for billede over begge klip, og ingen af dem har et hårdt klip. Den største ændring fra billede til billede i dem begge er bare almindelig kamerabevægelse.

FPV-optagelse i ét take, Gemini Omni 1.1 øverst, Gemini Omni 1.2 nederst, ved 0,5, 3 og 5,5 sekunder

Forskellen ligger i flyveruten. 1.1 flyver fra søbredden hen til forsiden af hytten og stiger så lige op over taget. 1.2 flyver faktisk ind mellem de to fyrretræer og stiger højere til sidst, så man ser de snedækkede tinder og et skyhav i dalen, og det ligger tættere på prompten. Hvis du har brug for lange landskabsoptagelser i ét take, klarede 1.1 det allerede; 1.2 følger bare anvisningerne lidt bedre.

Forskel to: i dialog holder 1.2 op med at klippe af sig selv

Det er her, forskellen er tydeligst.

1.1 optog det som skud/modskud: et halvnært billede af baristaen, der rækker koppen frem, og så ved 4,6 sekunder et hårdt klip til et nærbillede af kunden. Selve klippet er fint, masser af live action-scener er klippet sådan, men prompten bad om ét halvnært billede, og efter klippet er baristaen ude af billedet. Gemini Omni 1.2 bliver på ét billede med begge personer hele vejen igennem. De er begge i billedet, og at række koppen frem, tage imod den og udveksle replikker sker alt sammen i én sammenhængende optagelse, hvor bevægelsen flyder naturligt.

Dialogscene, Gemini Omni 1.1 øverst, Gemini Omni 1.2 nederst, ved 0,5, 3 og 5,5 sekunder

Dialogscenen i bevægelse, Gemini Omni 1.1 til venstre, Gemini Omni 1.2 til højre

På én detalje vandt 1.1 dog: prompten sagde "grå frakke", og 1.1 leverede grå. Frakken i 1.2-klippet er så mørk, at den næsten er sort. Begge klip har talte replikker og caféstemning i baggrunden, men jeg har ikke skrevet dialogen ned ord for ord, så jeg vil ikke afgøre, hvilken der har den bedste læbesynkronisering.

Forskel tre: 15 sekunder er nok til at fortælle et helt forløb

At gå fra 10 til 15 sekunder lyder som kun fem sekunder mere, men det ændrer, hvordan du bruger modellen. Ti sekunder dækker som regel én handling. Femten sekunder rummer en åbning, en afsløring og en afslutning, så en annonce til sociale medier ikke længere skal stykkes sammen. Under lanceringstestene kørte vi et lodret klip på 15 sekunder i én generering, og lyden hang sammen fra start til slut uden synlige sammenføjninger.

Én ting at holde øje med ved længere klip: video med Start-/slutbillede er stadig begrænset til 10 sekunder, når du tilføjer et slutbillede, og feltet til slutbilledet låses, når du vælger 11 sekunder eller mere.

Hastighed og pris

Hastigheden er omtrent den samme. I denne test i 720p og 6 sekunder blev begge versioner færdige på cirka 50 sekunder. Prisen pr. sekund er den samme som for 1.1, og når 1.1 er udfaset, er der alligevel ingen grund til at blive på den gamle version.

Konklusion: brug bare 1.2

Der er to opgraderinger, der betyder mest her: klip på op til 15 sekunder og dialogscener, der ikke længere klipper af sig selv, til samme pris pr. sekund som før. Til landskabsbevægelser i ét take var 1.1 allerede god; 1.2 følger bare prompten en smule tættere.

Hvis du har lavet en serie videoer på 1.1 og skal tilføje optagelser, så forvent små stilforskelle fra Gemini Omni 1.2, for eksempel i tøjets farver, og vær derfor præcis i prompten. Brug Redigér video til at give et eksisterende klip en ny stil, og Udvid video til at lade et klip fortsætte. Begge kører nu på 1.2.

Ofte stillede spørgsmål

Kan jeg stadig bruge Gemini Omni 1.1?

ZOOOP har udfaset 1.1, og siden viderestiller til 1.2. Google sender desuden alle forespørgsler til 1.1 automatisk videre til 1.2 fra den 3. december.

Hvor langt kan et klip fra Gemini Omni 1.2 være?

Tekst til video, reference til video og generering fra et startbillede går fra 3 til 15 sekunder. Med et slutbillede er maksimum 10 sekunder.

Kan jeg slå lyden fra i Gemini Omni 1.2?

Nej, der genereres altid lyd. Du kan styre den med prompts som "ingen dialog" eller "ingen baggrundsmusik", eller slå lyden fra i klippet bagefter.

Er 1.2 dyrere end 1.1?

Nej. På ZOOOP koster Gemini Omni 1.2 det samme pr. sekund som 1.1 gjorde, i alle opløsninger.

Del

Opdag mere

Se alle