Google DeepMind ha anunciado la disponibilidad general de Gemini Omni 1.2 Flash, una nueva versión de su modelo de generación de vídeo con inteligencia artificial que amplía la duración de los clips, introduce edición conversacional y reduce los costes de generación.
Según el anuncio oficial de Google DeepMind, el modelo permite crear vídeos de entre 3 y 15 segundos, frente al límite anterior de 10 segundos. Además, el precio disminuye un 30 %, hasta situarse en 0,07 dólares por segundo para vídeos en resolución 720p.
Entre las principales novedades destaca la posibilidad de modificar un vídeo mediante instrucciones sucesivas en una conversación, sin tener que generar nuevamente el clip completo.
Edición conversacional para modificar vídeos sin empezar desde cero
Una de las funciones más destacadas de Gemini Omni 1.2 Flash es Conversational Editing, que permite realizar cambios sobre un vídeo generado a través de una conversación con el modelo.
En lugar de repetir todo el proceso de generación, el usuario puede solicitar modificaciones específicas y continuar ajustando el mismo contenido. Por ejemplo, es posible cambiar el fondo de una escena, modificar la iluminación o ajustar la relación de aspecto mediante instrucciones de seguimiento.
Google DeepMind señala que esta capacidad funciona durante los 15 segundos completos del vídeo, lo que permite realizar modificaciones progresivas sobre una misma secuencia.
La función también forma parte de un flujo de trabajo por niveles de resolución. Los primeros borradores pueden generarse a 360p o 720p. Después, los detalles se corrigen mediante ediciones de seguimiento y únicamente el resultado final se escala a 1080p o 4K.
Mayor consistencia visual con imágenes y vídeos de referencia
Gemini Omni 1.2 Flash también incorpora mejoras en la capacidad de seguir referencias visuales y mantener sus características durante la generación.
El modelo admite diferentes tipos de entradas, entre ellas imágenes de personajes, fotografías de productos, fragmentos de movimiento de hasta tres segundos y pistas de audio.
Según Google DeepMind, estas referencias permiten conservar elementos específicos entre distintos ángulos de cámara, como los rostros, la ropa, la tipografía de los empaques y los colores de una marca.
La compañía muestra como ejemplo un probador virtual generado con inteligencia artificial. A partir de una fotografía de una modelo y fotografías de tres conjuntos de ropa, Gemini Omni 1.2 Flash genera una secuencia de 15 segundos que incluye giros de 360 grados. Durante el vídeo, el modelo mantiene la identidad de la persona y características de las prendas, como su corte y caída.
La actualización también reduce la deriva visual y las transformaciones involuntarias, conocidas como morphing, que pueden aparecer durante las transiciones de movimiento o los cambios de cámara.
Diálogos más naturales y mejor sincronización labial
Las mejoras de Gemini Omni 1.2 Flash también abarcan la generación de audio y diálogos. Google DeepMind destaca una mayor fluidez y naturalidad en las conversaciones generadas, junto con una sincronización más precisa entre los movimientos de los labios y las voces.
El modelo también mejora su capacidad para distinguir diferentes hablantes dentro de una misma escena.
Movimientos de cámara más complejos y continuos
Otra de las novedades se encuentra en el manejo de movimientos de cámara. Gemini Omni 1.2 Flash puede generar secuencias con movimientos continuos y complejos, incluidos vuelos de drones FPV y alejamientos de cámara con zoom dramático.
De acuerdo con Google DeepMind, el modelo produce estas transiciones con menos cortes bruscos no deseados.
Disponibilidad de Gemini Omni 1.2 Flash
Gemini Omni 1.2 Flash está disponible mediante:
- API de Gemini: acceso al modelo para desarrolladores.
- Google AI Studio: plataforma para trabajar con el modelo.
- Google Cloud Console: acceso desde los servicios de Google Cloud.
- Flow: generación y edición de escenas mediante IA.
- Google Vids: creación de contenidos de vídeo.
- Aplicación Gemini: para suscriptores de Google AI Ultra.
- Google Ads: integración en la plataforma publicitaria de Google.
Además, cada vídeo generado incorpora SynthID, una marca de agua digital imperceptible que permite identificar su origen como contenido generado con inteligencia artificial.
Google DeepMind en contexto
Google DeepMind continúa desarrollando las capacidades de Gemini Omni para la generación de vídeo mediante inteligencia artificial. Con Gemini Omni 1.2 Flash, la compañía amplía la duración de los clips a 15 segundos, introduce edición conversacional y reduce un 30 % el precio respecto a la versión anterior.
