Gemini Omni 1.2 Flash: nowe 15-sekundowe klipy i niższe ceny

Przez 15 sekund kamera ani razu nie tnie. Po przejściu przez obręcz kulka uderza w pierwsze domino i uruchamia reakcję łańcuchową, która kończy się na dzwonku.

Ciągłość kulki to wyraźny błąd. Za pierwszym domino pojawia się dodatkowy obły czerwony kształt, choć klatki nie wskazują, czy to osobny obiekt. Później śledzona kulka znika z kadru i pojawia się za przewróconym rzędem, bez widocznej drogi.

Kulka pojawia się ponownie za przewróconymi kostkami domina. Obraz: autor.

Timing dźwięku jest mieszany: pierwszy klik domina zgadza się z widocznym kontaktem, ale dzwonek dzwoni około 0,15 sekundy za późno. Ponieważ akcja kończy się wcześniej, ostatnie kilka sekund jest prawie statyczne.

Uważam też, że sposób, w jaki kulka przeszła przez obręcz, nie był do końca wiarygodny.

Edycja jednego obiektu bez zmiany sceny

Następnie zmieniłem jeden atrybut i poprosiłem, by wszystko inne zostało bez zmian.

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.Obsługiwane przez

Kolor to jedyna zamierzona zmiana: kulka staje się głęboko niebieska, ale zachowuje ten sam rozmiar, przezroczystość, położenie i refleksy. Wszystko inne, w tym scena i timing zdarzeń, pozostaje bez zmian.

Dopasowane klatki: czerwona vs niebieska kulka. Obraz: autor.

Zachowało też błędy: niejednoznaczny obły kształt i późniejsze pojawienie się kulki są teraz niebieskie w tych samych momentach. Trzeba to zauważyć, bo niewspomniane wady przechodzą do kolejnej edycji.

Edycja wygenerowała nową ścieżkę audio. Te efekty wracają w tym samym układzie, ale około 45 milisekund później, czyli mniej więcej o jedną klatkę wideo. To opóźnienie staje się bardziej zauważalne w kolejnych edycjach.

Ruch przy pełnej zmianie stylu

W ostatniej edycji poprosiłem o ręcznie wykonaną animację poklatkową przy zachowaniu niebieskiej kulki i timingu.

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.Obsługiwane przez

Niebieski kolor i szklana tekstura przetrwały, a tor i domino stały się warstwowanym kartonem. Ścieżka kamery i timing zdarzeń pozostały bez zmian.

Mosiężny dzwonek staje się pomalowaną rekwizytornią. Obraz: autor.

Udała się tylko część restylizacji. Dzwonek wygląda na pomalowany, ale obręcz i tło warsztatu pozostają realistyczne i nie pojawia się żaden materiał. Porównanie klatka po klatce pokazuje równomierny ruch między klatkami, bez schodkowego rytmu poklatkowego.

Komiksowe linie wokół dzwonka nie były proszone, ale nie naruszają sekwencji. W porównaniu z oryginałem ścieżka dźwiękowa przesunęła się o około 85 milisekund, co umieszcza dzwonek mniej więcej 0,23 sekundy po uderzeniu.

Wyniki testu, czas generowania i koszt

Generowanie zakończyło się w mniej niż minutę, a każda edycja trwała około dwóch minut. Trzy ukończone filmy kosztowały łącznie około 3,55 $, według zwrótego użycia i opublikowanych stawek Google.

Ten sam obły kształt przetrwał obie edycje. Obraz: autor.

Edycje kosztują nieco więcej, bo Google ponownie przetwarza wideo źródłowe.

Ceny i dostępność Gemini Omni 1.2 Flash

Gemini Omni 1.2 Flash kosztuje około 0,07 $ za sekundę w 720p i API nie ma bezpłatnego poziomu. Aplikacje Google mają własne plany i limity. W teście użyłem 720p; wyższe rozdzielczości kosztują więcej.

Cennik Gemini Omni 1.2 Flash według rozdzielczości

Przy tej publicznej stawce 15‑sekundowy klip kosztuje około 1 $ przed doliczeniem kosztu przetwarzania materiału źródłowego. Opcje 1080p i 4K są droższe, bo model powiększa wideo o niższej rozdzielczości:

Google także pobiera opłatę za przetwarzanie wideo źródłowego podczas edycji. Subskrypcje aplikacji Google mają osobne cenniki.

Gdzie możesz korzystać z Gemini Omni 1.2 Flash?

Deweloperzy mogą korzystać z Gemini Omni 1.2 Flash przez płatne Gemini API, Google AI Studio lub Google Cloud.

Ustawienia wideo Omni w AI Studio. Obraz: autor.

Google oferuje też model w kilku aplikacjach. Każdy produkt ma własny plan i limit:

• Flow, do reżyserowania scen i wprowadzania edycji następczych
• Google Vids, które daje do trzech 15‑sekundowych filmów miesięcznie bez opłat dla posiadaczy konta Google lub subskrypcji Workspace, zgodnie z ogłoszeniem Vids
• Aplikacja Gemini, z 15‑sekundowymi wideo udostępnianymi subskrybentom Google AI Ultra
• Google Ads, do kampanii wideo

Gemini dla firm to miejsce, gdzie wpisy Google sobie przeczą: wpis startowy nazywa to ogólnie dostępne, a wpis Cloud mówi „wkrótce”. Edycja przesłanego wideo jest niedostępna w Europejskim Obszarze Gospodarczym (EOG), Szwajcarii i Wielkiej Brytanii, podczas gdy wideo wygenerowane przez model pozostaje tam edytowalne.

Ograniczenia Gemini Omni 1.2 Flash i pierwsze recenzje

Google wymienia sporty z szybkim ruchem, częste zmiany scenariusza i złożoną fizykę jako obecne ograniczenia. Przewodnik Gemini API dodaje, że negatywne instrukcje powinny znaleźć się w głównym promcie, a pełne wsparcie językowe dotyczy tylko angielskiego. Sekwencja domina podpada pod złożoną fizykę, ale jeden tor dla kulki nie przetestuje każdej tezy z ogłoszenia.

Większość wczesnych recenzji pochodzi od firm sprzedających dostęp do modelu. Test Segmind opublikowany w dniu premiery podaje, że explainer’y i proste edycje trzymały się promptów, podczas gdy punkty na wykresach miały złe wysokości, a część instrukcji pominięto.

Mój test nie zawiera dialogu, mowy zsynchronizowanej z ruchem ust, tekstu w wideo ani liczb, więc nic nie mówi o tych obszarach. Użyłem też szczegółowych promptów edycyjnych, choć przewodnik Google zaleca proste instrukcje.

Końcowe wnioski: czy warto używać Gemini Omni 1.2 Flash?

Gemini Omni 1.2 Flash odpowiedział na kluczowe pytanie częściowo. Sekwencja i zmiana koloru się utrzymały, ale przeskok kulki i spóźniony dzwonek przeszły do kolejnych wersji. Prośba o styl zmieniła materiały, ale ruch wciąż wyglądał jak w oryginale.

Jest miejsce na poprawę: model pasuje do szkicowych klipów i prostych wariacji, które ktoś później zrecenzuje. Długie łańcuchy edycji mają mniejszy sens, gdy o idei decyduje ciągłość lub dokładny timing, bo stare błędy przetrwają, a koszt rośnie z każdą iteracją. Niebieska kulka przetrwała; wada obok niej też.