Nový model od Google DeepMind umožňuje vytvoriť video s dĺžkou od troch do 15 sekúnd, pričom používateľ si ju môže nastaviť po jednej sekunde. Google ho predstavil 5. novembra a sprístupnil cez Gemini API a Google Cloud. Funkcia sa zároveň postupne objavuje v ďalších produktoch spoločnosti.
Praktickou zmenou je možnosť pokračovať v úprave toho istého klipu pomocou ďalších textových pokynov. Používateľ môže napríklad požiadať o zmenu pozadia, osvetlenia, produktu v zábere alebo pomeru strán. Google uvádza, že takto možno upravovať aj celé 15-sekundové video bez toho, aby bolo potrebné začínať tvorbu od začiatku.
Model dokáže pri tvorbe pracovať s referenčnými obrázkami, krátkymi pohybovými ukážkami či zvukovými podkladmi. Podľa Google Cloud je však použitie zvukových referencií obmedzené na schválených používateľov. Spoločnosť zároveň tvrdí, že nová verzia lepšie zachováva podobu postáv, predmetov a scén počas pohybu. Ide o tvrdenie výrobcu; výsledok môže závisieť od zadania a použitého podkladu.
Cena generovania cez Gemini API je podľa Googlu približne 0,07 amerického dolára za sekundu videa v rozlíšení 720p, čo je o 30 percent menej než pri predchádzajúcej verzii. Modelový výpočet pre jeden 15-sekundový klip pri tejto sadzbe vychádza na 1,05 dolára. Ide o orientačnú cenu samotného generovania; ďalšie pokusy, úpravy alebo iné rozlíšenia môžu konečné náklady zmeniť.
Google odporúča vytvoriť si prvý návrh v rozlíšení 360p alebo 720p a vybraný výsledok následne zväčšiť na 1080p či 4K. Zvýšenie rozlíšenia môže byť užitočné pri výslednom spracovaní, samo osebe však nezaručuje, že video získa všetky detaily kvalitného záberu vytvoreného priamo vo vyššom rozlíšení.
Novinka sa dostáva aj do nástrojov pre bežných používateľov. Google uvádza, že v aplikácii Google Vids možno s účtom Google alebo predplatným Google Workspace vytvoriť bez dodatočného poplatku najviac tri 15-sekundové videá mesačne. V aplikácii Gemini sa 15-sekundové generovanie postupne sprístupňuje predplatiteľom Google AI Ultra. Dostupnosť jednotlivých funkcií sa môže líšiť podľa služby a účtu.
Výstupy podľa Googlu obsahujú neviditeľný digitálny vodoznak SynthID, ktorý pomáha identifikovať obsah vytvorený umelou inteligenciou. Spoločnosť zároveň priznáva, že ďalej pracuje na zlepšení rýchlych športových pohybov, náhlych zmien v scéne a zložitej fyziky.
Pre tvorcov krátkych videí prináša nová verzia možnosť pripraviť dlhší záber v jednom generovaní a následne ho upraviť. Pred zverejnením sa však stále oplatí skontrolovať pohyb, detaily produktu, prípadný text a to, či výsledok zodpovedá zadaniu.