पूरे 15 सेकंड में कैमरा कभी कट नहीं करता। हूप से गुजरने के बाद, मार्बल पहले डोमिनो को हिट करती है और एक चेन रिएक्शन शुरू होता है जो घंटी पर खत्म होता है।
मार्बल की निरंतरता स्पष्ट त्रुटि है। पहले डोमिनो के पीछे एक अतिरिक्त गोल लाल आकार दिखाई देता है, हालांकि फ्रेम यह स्थापित नहीं करते कि वह अलग वस्तु है। बाद में, ट्रैक की जा रही मार्बल फ्रेम से बाहर जाती है और गिरी पंक्ति के पीछे बिना दिखे पहुँचती है।
मार्बल गिरे हुए डोमिनोज़ के पीछे फिर दिखती है। चित्र: लेखक।
साउंड टाइमिंग मिली-जुली है: पहला डोमिनो क्लिक दृश्यमान संपर्क से मेल खाता है, लेकिन घंटी लगभग 0.15 सेकंड देर से बजती है। क्योंकि ऐक्शन जल्दी खत्म हो जाता है, आखिरी कुछ सेकंड लगभग स्थिर हैं।
मुझे यह भी लगा कि मार्बल का हूप से गुजरना पूरी तरह यक़ीनी नहीं लगा।
सीन बदले बिना एक ऑब्जेक्ट एडिट करना
इसके बाद, मैंने एक एट्रिब्यूट बदला और बाकी सब वैसा ही रखने को कहा।
Change the red glass marble to a deep sapphire blue. Keep its size, transparency, reflections, and movement the same.
Preserve the wooden track, brass hoop, dominoes, bell, lighting, camera movement, and original sound effects. The chain reaction should happen at exactly the same moments as in the original video.इरादा केवल रंग बदलने का है: मार्बल गहरा नीला हो जाता है लेकिन आकार, पारदर्शिता, स्थिति और हाइलाइट्स वही रहते हैं। बाकी सब, जिसमें सीन और इवेंट टाइमिंग शामिल है, अपरिवर्तित रहता है।
मिलते-जुलते फ्रेम: लाल बनाम नीला मार्बल। चित्र: लेखक।
इसने गलतियाँ भी बरकरार रखीं: संदिग्ध गोल आकार और मार्बल का बाद में दोबारा दिखना अब उन्हीं क्षणों में नीला है। आपको इन बातों पर ध्यान देना होगा क्योंकि बिना बताई खामियाँ अगले एडिट में भी चली जाती हैं।
एडिट ने नया ऑडियो ट्रैक जनरेट किया। वही इफेक्ट्स उसी पैटर्न में लौटे, लेकिन लगभग 45 मिलीसेकंड बाद, यानी लगभग एक वीडियो फ्रेम। यह देरी बाद के एडिट्स में अधिक ध्यान देने योग्य हो जाती है।
पूरे स्टाइल बदलने के साथ मोशन
अंतिम एडिट के लिए, मैंने हैंडमेड स्टॉप-मोशन मांगा जबकि नीला मार्बल और टाइमिंग बरकरार रहे।
Re-render the entire marble-run scene as a handcrafted stop-motion animation made from painted paper, cardboard, and textured fabric.
The wooden track becomes layered cardboard, the brass objects become painted miniature props, and the blue glass marble keeps its recognizable color and shape.
Preserve the original sequence and timing: the marble rolls down the track, passes through the hoop, strikes the dominoes, and the bell rings at the end. Keep the original camera movement and sound effects, with the tactile imperfections of handmade stop-motion animation.नीला रंग और ग्लास टेक्सचर बना रहा, जबकि ट्रैक और डोमिनोज़ लेयर्ड कार्डबोर्ड हो गए। कैमरा पाथ और इवेंट टाइमिंग बदली नहीं।
पीतल की घंटी पेंटेड प्रॉप बन गई। चित्र: लेखक।
रेस्टाइल का केवल हिस्सा उतरा। घंटी पेंटेड दिखती है, लेकिन हूप और वर्कशॉप बैकग्राउंड यथार्थवादी बने रहते हैं, और कोई फैब्रिक नहीं दिखता। फ्रेम-बाय-फ्रेम तुलना से फ्रेमों के बीच स्थिर मूवमेंट दिखता है, बिना स्टॉप-मोशन के स्टेप्ड रिदम के।
घंटी के आसपास की कॉमिक लाइन्स अनुरोधित थीं, लेकिन सीक्वेंस अक्षुण्ण रहा। मूल की तुलना में, साउंडट्रैक लगभग 85 मिलीसेकंड खिसक गया, जिससे घंटी लगभग 0.23 सेकंड प्रभाव के बाद बजती है।
टेस्ट नतीजे, जनरेशन समय, और लागत
जनरेशन एक मिनट से कम में पूरी हुई, जबकि हर एडिट में लगभग दो मिनट लगे। तीनों पूर्ण वीडियो की कुल लागत लगभग $3.55 रही, जो Google की प्रकाशित दरों पर लौटे उपयोग से निकाली गई।
वही गोल आकार दोनों एडिट्स में बचा रहा। चित्र: लेखक।
एडिट्स थोड़े महंगे पड़ते हैं क्योंकि Google सोर्स वीडियो को फिर से प्रोसेस करता है।
Gemini Omni 1.2 Flash की कीमत और उपलब्धता
Gemini Omni 1.2 Flash की कीमत 720p पर लगभग $0.07 प्रति सेकंड है, और API में कोई फ्री टियर नहीं है। Google ऐप्स अपनी अलग योजनाएँ और कोटा उपयोग करते हैं। मैंने टेस्ट के लिए 720p का उपयोग किया; ऊँचे रेज़ोल्यूशन महंगे हैं।
रेज़ोल्यूशन के अनुसार Gemini Omni 1.2 Flash कीमत
उस सार्वजनिक दर पर, 15-सेकंड की क्लिप की कीमत लगभग $1 होती है, सोर्स मटेरियल प्रोसेसिंग की लागत से पहले। 1080p और 4K विकल्प महंगे हैं क्योंकि मॉडल कम रेज़ोल्यूशन के वीडियो को बड़ा करता है:
|
रेज़ोल्यूशन |
15 सेकंड की अनुमानित लागत |
|
360p |
$0.35 |
|
720p |
$1 |
|
1080p (बढ़ाया गया) |
$1.55 |
|
4K (बढ़ाया गया) |
$3.15 |
Google एडिट के दौरान सोर्स वीडियो प्रोसेस करने के लिए भी शुल्क लेता है। Google ऐप सब्सक्रिप्शन्स अलग कीमतें उपयोग करते हैं।
आप Gemini Omni 1.2 Flash कहाँ एक्सेस कर सकते हैं?
डेवलपर Gemini Omni 1.2 Flash को पेड Gemini API, Google AI Studio, या Google Cloud के माध्यम से उपयोग कर सकते हैं।
Omni के लिए AI Studio वीडियो सेटिंग्स। चित्र: लेखक।
Google कई ऐप्स के माध्यम से भी मॉडल ऑफ़र करता है। प्रत्येक उत्पाद अपनी योजना और कोटा उपयोग करता है:
- Flow, सीन निर्देशित करने और फॉलो-अप एडिट्स करने के लिए
- Google Vids, जो Google खाते या Workspace सब्सक्रिप्शन वाले किसी भी व्यक्ति को प्रति माह अधिकतम तीन 15-सेकंड के वीडियो बिना लागत के देता है, जैसा कि Vids घोषणा में कहा गया है
- Gemini ऐप, जिसमें 15-सेकंड के वीडियो Google AI Ultra सब्सक्राइबर्स तक रोल-आउट हो रहे हैं
- Google Ads, वीडियो अभियानों के लिए
बिज़नेस के लिए Gemini पर Google की पोस्टें असहमत हैं: लॉन्च पोस्ट इसे वहाँ सामान्य रूप से उपलब्ध कहती है, और Cloud पोस्ट कहती है "जल्द आ रहा है।" अपलोडेड वीडियो एडिटिंग यूरोपीय आर्थिक क्षेत्र (EEA), स्विट्ज़रलैंड और UK में उपलब्ध नहीं है, जबकि मॉडल द्वारा जनरेट किए गए वीडियो वहाँ एडिटेबल बने रहते हैं।
Gemini Omni 1.2 Flash की सीमाएँ और शुरुआती समीक्षाएँ
Google तेज़ मूवमेंट वाले खेल, त्वरित स्क्रिप्ट बदलाव, और जटिल फिज़िक्स को बची हुई सीमाएँ बताता है। Gemini API गाइड जोड़ता है कि नकारात्मक निर्देश मुख्य प्रॉम्प्ट में होने चाहिए और पूर्ण समर्थन केवल अंग्रेज़ी को है। डोमिनो सीक्वेंस जटिल फिज़िक्स में आता है, लेकिन एक मार्बल रन घोषणा के हर दावे की जाँच नहीं कर सकता।
अधिकांश शुरुआती समीक्षाएँ उन कंपनियों से आती हैं जो मॉडल तक पहुँच बेचती हैं। लॉन्च डे पर प्रकाशित Segmind टेस्ट रिपोर्ट करता है कि एक्सप्लेनर और सरल एडिट्स उसके प्रॉम्प्ट्स का पालन करते हैं, जबकि चार्ट पॉइंट गलत ऊँचाई पर रखे गए और कुछ निर्देश छोड़े गए।
मेरे टेस्ट में कोई संवाद, मुंह की हरकत से मेल खाती स्पीच, वीडियो में दिखाई देने वाला टेक्स्ट, या नंबर शामिल नहीं हैं, इसलिए यह उन क्षेत्रों के बारे में कुछ नहीं कहता। मैंने विस्तृत एडिट प्रॉम्प्ट्स का उपयोग किया, जबकि Google का प्रॉम्प्ट गाइड सरल निर्देशों की सिफारिश करता है।
अंतिम विचार: क्या Gemini Omni 1.2 Flash उपयोग के लायक है?
Gemini Omni 1.2 Flash ने केंद्रीय प्रश्न का जवाब टुकड़ों में दिया। क्रम और रंग बदलना बना रहा, जबकि मार्बल का जंप और देर से बजती घंटी बाद के वर्ज़न में भी चली गई। स्टाइल अनुरोध ने मटेरियल बदले, लेकिन मोशन अभी भी मूल जैसा दिखा।
सुधार की गुंजाइश है: मॉडल ड्राफ्ट क्लिप्स और सरल वैरिएशंस के लिए ठीक बैठता है जिन्हें कोई रिव्यू करेगा। लंबी एडिट चेन तब कम समझ आती है जब निरंतरता या सटीक टाइमिंग ही विचार को ढोती है, क्योंकि पुरानी गलतियाँ बची रहती हैं और हर बार लागत बढ़ती है। नीला मार्बल बचा रहा; उसके बगल की खामी भी।
मैं एक डेटा इंजीनियर और कम्युनिटी बिल्डर हूँ, जो डेटा पाइपलाइनों, क्लाउड, और AI टूलिंग के साथ काम करता/करती हूँ, साथ ही DataCamp और उभरते डेवलपर्स के लिए व्यावहारिक, असरदार ट्यूटोरियल लिखता/लिखती हूँ।
FAQs
Gemini Omni 1.2 Flash वीडियो कितने लंबे हो सकते हैं?
मानक क्लिप अधिकतम 15 सेकंड तक चल सकती हैं, लेकिन अवधि सेट न करने पर API 10 सेकंड को डिफ़ॉल्ट मानता है। शुरुआती और आखिरी फ्रेम दोनों वाले अनुरोध भी 10 सेकंड पर रुकते हैं। Gemini Developer API एक्सटेंशन्स कुल 30 सेकंड पर रुकते हैं, जबकि Google Cloud में 40 सेकंड तक का दस्तावेज़ है।
क्या Gemini Omni 1.2 Flash मौजूदा वीडियो एडिट कर सकता है?
हाँ। Google Cloud पर, इनपुट और आउटपुट की अवधि मेल खानी चाहिए और 3 से 15 सेकंड के बीच होनी चाहिए। आप बदलाव को गाइड करने के लिए अधिकतम दो रेफरेंस इमेज भी जोड़ सकते हैं। यूरोपीय आर्थिक क्षेत्र, स्विट्ज़रलैंड, और UK में अपलोडेड क्लिप्स पर क्षेत्रीय सीमाएँ लागू रहती हैं।
क्या Gemini Omni 1.2 Flash ऑडियो के साथ वीडियो बनाता है?
हाँ। जनरेटेड क्लिप में उसी आउटपुट में स्पीच, म्यूज़िक और साउंड इफेक्ट्स शामिल हो सकते हैं। वॉयस एडिटिंग अभी उपलब्ध नहीं है, और मॉडल रेफरेंस वीडियो के अंदर के ऑडियो को नज़रअंदाज करता है। अलग गाइड के रूप में अपलोडेड ऑडियो का उपयोग करने के लिए स्वीकृत Google Cloud खाता चाहिए।
15-सेकंड के Gemini Omni 1.2 Flash क्लिप की कीमत कितनी है?
एक नए 15-सेकंड 720p आउटपुट के लिए लगभग $1 का बजट रखें, या 4K पर लगभग $3। एडिटिंग में सोर्स क्लिप प्रोसेसिंग का शुल्क जुड़ता है। तैयार 720p वीडियो को 4K में अपस्केल करने पर आउटपुट लागत में लगभग $2 और जुड़ते हैं, इसलिए अंतिम बिल जनरेशन, एडिटिंग, और रेज़ोल्यूशन बदलाव पर निर्भर करता है।
क्या Gemini Omni 1.2 Flash मुफ्त है?
नहीं, सीधे Gemini API का उपयोग पेड है। Google Vids, Google अकाउंट और Workspace यूज़र्स को प्रति माह अधिकतम तीन 15-सेकंड के वीडियो जनरेशन बिना लागत के देता है; आधिकारिक पोस्ट केवल जनरेशन की पुष्टि करती है और एडिटिंग एक्सेस निर्दिष्ट नहीं करती। 15-सेकंड क्लिप के लिए Gemini ऐप में Google AI Ultra सब्सक्रिप्शन चाहिए।
AI वीडियो अपडेट आम तौर पर लंबी क्लिप या एडिट्स पर अधिक नियंत्रण का वादा करते हैं। Google का Gemini Omni 1.2 Flash दोनों करता है: यह टेक्स्ट, इमेज, या वीडियो से छोटे वीडियो बनाता है, फिर बाद के प्रॉम्प्ट्स से यूज़र्स को नतीजे में सुधार करने देता है। मानक सीमा अब 15 सेकंड है, और मॉडल उसी क्लिप में साउंड भी जनरेट करता है।
मेरा सवाल यह था कि क्या कोई एडिट एक डिटेल बदलते हुए बाकी सीन को जस का तस रख सकता है, क्योंकि मुझे पिछले वर्ज़न में दिक्कतें आई हैं। इसलिए, मैंने एक मार्बल रन पर टेस्ट किया—पहले मार्बल को लाल से नीला किया, फिर उसी क्लिप को स्टॉप-मोशन स्टाइल में बदला।
मेरी खोजें
यह लेख का संक्षिप्त संस्करण और नए मॉडल से मेरे प्रमुख निष्कर्ष हैं।
कलर एडिट सबसे स्पष्ट नतीजा है। अगली सेक्शन दिखाती हैं कि मूल क्लिप और स्टाइल बदलने में कहाँ टूटन आती है।
Gemini Omni 1.2 Flash क्या है?
Gemini Omni 1.2 Flash टेक्स्ट, इमेज, और वीडियो इनपुट स्वीकार करता है और फिर साउंड सहित वीडियो लौटाता है।
Gemini टेक्स्ट मॉडल्स के विपरीत, यह वीडियो और साउंड साथ में बनाता है। Google कहता है कि हर वीडियो में एक अदृश्य SynthID वॉटरमार्क भी होता है। हमारा Gemini Omni ओवरव्यू विस्तृत मॉडल परिवार को कवर करता है।
यदि आप API सेटअप चाहते हैं, तो हमारा Gemini Omni के लिए Python मीडिया पाइपलाइन गाइड इसे कवर करता है। यह लेख केवल वीडियो और उनमें दिखने वाली बातों पर केंद्रित है।
Gemini Omni 1.2 Flash में क्या नया है?
अपडेट वीडियो वर्कफ़्लो के चार हिस्सों को प्रभावित करता है: क्लिप लंबाई, फॉलो-अप एडिट्स, जनरेटेड साउंड, और रेज़ोल्यूशन-आधारित कीमत।
15-सेकंड का वीडियो जनरेशन और एडिटिंग
जनरेटेड और एडिटेड क्लिप 3 से 15 सेकंड की हो सकती हैं, एक-सेकंड के इन्क्रीमेंट में; Omni 1.1 Flash 10 सेकंड पर रुकता था। पहले और आखिरी फ्रेम से बनाए गए वीडियो 10 सेकंड तक सीमित हैं। एक्सटेंशन सीमाएँ अलग हैं: Gemini API फाइनल वीडियो को 30 सेकंड पर कैप करता है, जबकि Google Cloud कुल 40 सेकंड तक दस्तावेज़ करता है।
रेफरेंस इमेज और संवादात्मक वीडियो एडिटिंग
मॉडल किसी क्लिप को जनरेट करते समय इमेज और छोटे वीडियो को गाइड के रूप में उपयोग कर सकता है। यह बाद के प्रॉम्प्ट्स के ज़रिए पूरे 15-सेकंड के वीडियो को एडिट भी कर सकता है।
जनरेटेड ऑडियो और कैमरा मूवमेंट
हर Gemini Omni 1.2 Flash वीडियो में स्पीच, म्यूज़िक, या साउंड इफेक्ट्स शामिल हो सकते हैं। अपलोडेड ऑडियो को गाइड के रूप में उपयोग करने के लिए Google Cloud की स्वीकृति चाहिए और यह पब्लिक Gemini API में उपलब्ध नहीं है। प्रॉम्प्ट्स कैमरा मूवमेंट भी निर्दिष्ट कर सकते हैं।
360p ड्राफ्ट और 4K अपस्केलिंग
मॉडल 360p और 720p वीडियो बना सकता है, फिर रेज़ोल्यूशन को 1080p या 4K तक बढ़ा सकता है। Google के दस्तावेज़ समर्थित पाथ सूचीबद्ध करते हैं: 360p से 720p या 1080p, और 720p से 1080p या 4K।
Gemini Omni 1.2 Flash बनाम 1.1: क्या बदला?
ऊपर दी सूची नए लिमिट्स और आउटपुट से जुड़े दावों को मिलाती है। दो प्रकाशित बदलाव सीधे तुलना योग्य हैं: क्लिप लंबाई और वीडियो कीमत।
स्पेक
Gemini Omni 1.1 Flash
Gemini Omni 1.2 Flash
जनरेशन और एडिटिंग लंबाई
10 सेकंड तक
3 से 15 सेकंड
प्रभावी 720p कीमत
लगभग $0.10 प्रति सेकंड
लगभग $0.07 प्रति सेकंड
ट्रांज़िशन पीरियड के बाद लेगेसी मॉडल
रिक्वेस्ट्स 1.2 पर रूट होंगी
वर्तमान संस्करण
यहाँ केवल अवधि और कीमत ठोस संख्याएँ हैं। Google के रेफरेंस दावे के साक्ष्य उसके अपने डेमो तक सीमित हैं।
Gemini Omni 1.2 Flash का परीक्षण: वीडियो जनरेशन और एडिटिंग
मेरा टेस्ट टेक्स्ट से जनरेट की गई एक क्लिप, एक कलर एडिट, और नीले मार्बल वाले वर्ज़न की एक स्टाइल एडिट का उपयोग करता है। तीनों वीडियो 15 सेकंड, 720p, और 16:9 हैं। मैंने उन्हें चार मानकों पर परखा:
पहला वीडियो चारों को एक सीन में रखता है। बाद के हर एडिट में दिखता है कि क्या बदलता है और क्या बना रहता है।
मूल क्लिप में मोशन और साउंड
यह आंशिक रूप से काम करता है: घटनाएँ क्रम में रहती हैं, लेकिन मार्बल गायब हो जाती है और घंटी देर से आती है।
पहले टेस्ट के लिए, मैंने फिज़िक्स, एक कैमरा जो ऐक्शन को फॉलो करे, और हर प्रभाव से बँधी ध्वनियाँ मांगीं।