Gemini Omni 1.2 kontra 1.1 Flash: klipy do 15 sekund i koniec z przypadkowymi cięciami w dialogach

Spostrzeżenia4 min czytania
Gemini Omni 1.2 kontra 1.1 Flash: klipy do 15 sekund i koniec z przypadkowymi cięciami w dialogach

Gemini Omni 1.2 kontra 1.1 Flash na tych samych promptach: ujęcie FPV bez cięć, scena dialogowa z dwiema osobami, 15-sekundowe klipy i cena. Co naprawdę się poprawiło.

5 listopada Google udostępnił Gemini Omni 1.2 Flash wszystkim. Zapowiedź wymienia całą listę ulepszeń: klipy do 15 sekund, wierniejsze trzymanie się obrazów referencyjnych, bardziej naturalne dialogi i synchronizacja ust, mniej niechcianych jump cutów przy długich ruchach kamery i cena o około 30% niższa niż w 1.1. Najważniejsze zdanie jest w changelogu dla deweloperów: od 3 grudnia każde zapytanie do Omni 1.1 będzie automatycznie przekierowywane do 1.2.

Czyli 1.1 jest już na odliczaniu. ZOOOP nie czekał. Gdy Gemini Omni 1.2 Flash wystartował, od razu wycofaliśmy 1.1, a stara strona 1.1 przekierowuje teraz do 1.2. Zanim go wyłączyłem, puściłem te same prompty na obu wersjach, żeby zobaczyć, gdzie tę aktualizację naprawdę widać.

Co się zmieniło w Gemini Omni 1.2

Najpierw parametry. Widać je od razu w narzędziu Generator wideo AI:

  • Długość: z 3–10 sekund na 3–15 sekund, wybierane co sekundę. Z klatką końcową maksimum to 10 sekund.
  • Edycja: filmy źródłowe mogą teraz mieć do 15 sekund zamiast 10.
  • Wydłużanie: nie ma już limitu długości materiału źródłowego. Model czyta ostatnie 10 sekund i kontynuuje przez 3–10 sekund.
  • Bez zmian: tylko 16:9 i 9:16, od 360p do 4K, a dźwięk jest zawsze włączony. Możesz nim sterować, ale nie da się go wyłączyć. Do 10 obrazów referencyjnych i do 3 filmów referencyjnych po 3 sekundy każdy.

Jeśli chodzi o cenę, Gemini Omni 1.2 na ZOOOP kosztuje za sekundę tyle samo, ile kosztował 1.1, w każdej rozdzielczości.

Jak testowaliśmy: dwa prompty, dwie wersje

Dwa prompty, wymierzone w obszary, które według Google poprawiły się najbardziej. Pierwszy to ujęcie z drona FPV bez cięć: nisko nad zamglonym jeziorem o świcie, między dwiema sosnami, nad dachem chaty, a potem odsłonięcie ośnieżonych gór za nią, z dopiskiem "bez cięć" w samym prompcie. Drugi to scena dialogowa z dwiema osobami: w kawiarni kręconowłosy barista podaje latte i mówi kwestię, a klient w szarym płaszczu odpowiada. Oba w 720p, 6 sekund, 16:9.

Różnica pierwsza: ujęcie bez cięć kończy się remisem

Spodziewałem się, że 1.2 wygra to bez trudu. Obie wersje poradziły sobie dobrze. Przepuściłem oba klipy przez wykrywanie scen klatka po klatce i żaden nie ma twardego cięcia. Największa zmiana między kolejnymi klatkami w obu to po prostu zwykły ruch kamery.

Ujęcie FPV bez cięć, u góry Gemini Omni 1.1, na dole Gemini Omni 1.2, w 0,5, 3 i 5,5 sekundzie

Różnica tkwi w trasie lotu. 1.1 leci od brzegu jeziora do frontu chaty, a potem wznosi się prosto nad dachem. 1.2 naprawdę przelatuje między dwiema sosnami i na końcu wznosi się wyżej, pokazując ośnieżone szczyty i morze chmur w dolinie, co jest bliższe promptowi. Jeśli potrzebujesz długich ujęć krajobrazu bez cięć, 1.1 już sobie z nimi radził; 1.2 po prostu trochę lepiej wykonuje polecenia.

Różnica druga: w dialogu 1.2 przestaje ciąć sam z siebie

Tu różnica jest najwyraźniejsza.

1.1 nakręcił to jako ujęcie i przeciwujęcie: plan średni baristy podającego kubek, a potem w 4,6 sekundzie twarde cięcie na zbliżenie klienta. Sam montaż jest w porządku, wiele scen aktorskich tnie się właśnie tak, ale prompt prosił o jeden plan średni, a po cięciu baristy nie ma w kadrze. Gemini Omni 1.2 przez cały czas trzyma jedno ujęcie z obiema osobami. Obie zostają w kadrze, a podanie kubka, odebranie go i wymiana kwestii dzieją się w jednym ciągłym ujęciu, z naturalnie płynącym ruchem.

Scena dialogowa, u góry Gemini Omni 1.1, na dole Gemini Omni 1.2, w 0,5, 3 i 5,5 sekundzie

Scena dialogowa w ruchu, po lewej Gemini Omni 1.1, po prawej Gemini Omni 1.2

W jednym szczególe wygrał jednak 1.1: prompt mówił "szary płaszcz" i 1.1 dał szary. Płaszcz w klipie z 1.2 jest tak ciemny, że prawie czarny. Oba klipy mają wypowiadane kwestie i odgłosy kawiarni w tle, ale nie spisałem dialogu słowo w słowo, więc nie będę rozstrzygać, który ma lepszą synchronizację ust.

Różnica trzecia: 15 sekund wystarcza na całą akcję

Przejście z 10 na 15 sekund brzmi jak zaledwie pięć sekund więcej, ale zmienia sposób korzystania z modelu. Dziesięć sekund zwykle mieści jedną czynność. W piętnastu sekundach zmieści się otwarcie, odsłonięcie i zamknięcie, więc reklamy do social mediów nie trzeba już sklejać z kawałków. Podczas testów premierowych wygenerowaliśmy pionowy 15-sekundowy klip za jednym razem i dźwięk trzymał się spójnie od początku do końca, bez widocznych szwów.

Na jedną rzecz trzeba uważać przy dłuższych klipach: wideo z funkcji Klatka początkowa / końcowa nadal ma limit 10 sekund po dodaniu klatki końcowej, a pole klatki końcowej blokuje się, gdy wybierzesz 11 sekund lub więcej.

Szybkość i cena

Szybkość jest mniej więcej taka sama. W tym teście w 720p i 6 sekundach obie wersje skończyły w około 50 sekund. Cena za sekundę jest taka sama jak w 1.1, a skoro 1.1 został wycofany, i tak nie ma powodu zostawać przy starej wersji.

Werdykt: po prostu używaj 1.2

Najważniejsze są tu dwa ulepszenia: klipy do 15 sekund i sceny dialogowe, które już nie tną same z siebie, przy tej samej cenie za sekundę co wcześniej. Przy krajobrazowych ujęciach bez cięć 1.1 był już dobry; 1.2 po prostu trochę wierniej trzyma się promptu.

Jeśli zrobiłeś serię filmów na 1.1 i musisz dodać ujęcia, spodziewaj się drobnych różnic stylu w Gemini Omni 1.2, na przykład w kolorach ubrań, więc pisz w prompcie konkretnie. Do zmiany stylu istniejącego klipu użyj Edytuj wideo, a do jego kontynuacji Wydłuż wideo. Oba działają już na 1.2.

Najczęstsze pytania

Czy nadal mogę używać Gemini Omni 1.1?

ZOOOP wycofał 1.1, a jego strona przekierowuje do 1.2. Google również od 3 grudnia będzie automatycznie przekierowywać każde zapytanie do 1.1 na 1.2.

Jak długi może być klip z Gemini Omni 1.2?

Tekst na wideo, referencje na wideo i generowanie z klatki początkowej dają od 3 do 15 sekund. Z klatką końcową maksimum to 10 sekund.

Czy mogę wyłączyć dźwięk w Gemini Omni 1.2?

Nie, dźwięk jest generowany zawsze. Możesz nim sterować promptami typu "bez dialogów" albo "bez muzyki w tle" lub wyciszyć klip później.

Czy 1.2 jest droższy niż 1.1?

Nie. Na ZOOOP Gemini Omni 1.2 kosztuje za sekundę tyle samo, ile kosztował 1.1, w każdej rozdzielczości.

Udostępnij

Odkryj więcej

Zobacz wszystko