Google ประกาศเปิดตัวโมเดลการสร้างวิดีโอ AI Gemini Omni 1.2 Flash ในวันที่ 5 พฤศจิกายน ตามเวลาในท้องถิ่น โดยโมเดลนี้รองรับการสร้างวิดีโอความยาวสูงสุด 15 วินาที และมีความสามารถในการแก้ไขแบบสนทนาหลายรอบ เพิ่มความยาววิดีโอจาก 10 วินาทีเป็น 15 วินาที ซึ่งเพิ่มขึ้น 50% ผู้ใช้สามารถตั้งค่าความยาวการสร้างได้ตั้งแต่ 3 วินาทีถึง 15 วินาที โดยใช้หน่วยเป็นวินาที
Google ระบุว่า โมเดลใหม่ได้ปรับปรุงความสามารถในการปฏิบัติตามเนื้อหาที่อ้างอิง โดยสามารถรักษาความสอดคล้องของตัวละคร วัตถุ อุปกรณ์ ฉาก และสภาพแวดล้อมได้ดียิ่งขึ้นในหลายมุมมอง ลดการเบี่ยงเบนทางสายตาหรือการเปลี่ยนแปลงรูปแบบที่เกิดขึ้นระหว่างการเคลื่อนไหวและการเปลี่ยนมุมกล้อง ความสามารถนี้ยังใช้ได้กับการสร้างภาพระหว่างเฟรมหลักที่เริ่มต้นและสิ้นสุด รวมถึงการขยายวิดีโอบนพื้นฐานของคลิปเดิม
ในด้านการแก้ไข Gemini Omni 1.2 Flash อนุญาตให้ผู้ใช้สามารถปรับเปลี่ยนผลลัพธ์ที่มีอยู่ได้ทีละขั้นตอนผ่านการสนทนาหลายรอบ โดยไม่จำเป็นต้องส่งคำขอใหม่ทั้งหมดหรือสร้างวิดีโอใหม่ตั้งแต่ต้น ในระหว่างกระบวนการแก้ไข โมเดลจะพยายามรักษาส่วนประกอบที่ผู้ใช้ไม่ได้ขอให้ปรับเปลี่ยน เพื่อให้สะดวกในการสร้างเวอร์ชันหลายแบบสำหรับกลุ่มเป้าหมายที่แตกต่างกัน
Gemini Omni 1.2 Flash มีฟังก์ชันการแก้ไขแบบสนทนาหลายรอบ
Google ยังระบุว่า โมเดลใหม่ได้ปรับปรุงคุณภาพการสร้างเสียง สามารถสร้างการสนทนาที่ราบรื่นและเป็นธรรมชาติมากขึ้น พร้อมกับการจับคู่การเคลื่อนไหวของปาก นอกจากนี้ยังเสริมความสามารถในการควบคุมรูปแบบภาพ เช่น มุมมองการบินจากมุมมองแรกและมุมมองที่ถอยออก ในด้านการใช้งาน ผู้ใช้ที่สมัคร Google AI Ultra สามารถสร้างวิดีโอความยาว 15 วินาทีผ่านแอป Gemini นักพัฒนาสามารถเรียกใช้โมเดลนี้ผ่าน Gemini API และผู้ใช้ธุรกิจสามารถใช้ใน Google Cloud Console
ผู้ใช้ฟรีสามารถทดลองฟังก์ชันการควบคุมฉากและการแก้ไขแบบหลายรอบใน Flow ได้ แต่ Google ยังไม่ได้ชี้แจงว่าผู้ใช้ฟรีจะสามารถใช้ฟังก์ชันใหม่ทั้งหมดได้หรือไม่ นอกจากนี้ Google Vids จะให้บริการฟังก์ชันการสร้างวิดีโอความยาว 15 วินาทีฟรี แต่ยังไม่ชัดเจนว่าการปรับปรุงอื่น ๆ จะเปิดให้ผู้ใช้ฟรีหรือไม่

