Novinka od Google DeepMind umožňuje generovať videá s dĺžkou od 3 do 15 sekúnd, pričom používateľ si ju môže nastaviť po jednotlivých sekundách. Predchádzajúca verzia Omni 1.1 bola obmedzená na desať sekúnd. Pätnásťsekundový záber môže byť užitočný napríklad pri tvorbe krátkych videí na sociálne siete alebo produktových ukážok.
Model prijíma text, obrázky, zvuk aj video a vytvára video so zvukom. Podľa Googlu možno pri zadávaní kombinovať napríklad fotografiu produktu, obrázok určujúci štýl, krátku pohybovú ukážku a zvukovú predlohu. Firma tvrdí, že nová verzia lepšie zachováva podobu postáv, predmetov a prostredia počas pohybu kamery. Ide však o porovnanie výrobcu; výsledok bude závisieť aj od podkladov a konkrétneho zadania.
Google zdôrazňuje aj úpravy videa cez následné pokyny. Používateľ môže napríklad požiadať o zmenu pozadia, osvetlenia alebo produktu bez toho, aby musel celú požiadavku zadávať od začiatku. Podľa firmy model zvláda aj prirodzenejšie znejúce dialógy a lepšie zosúladenie pohybu pier. Pri finálnom videu sa však stále oplatí skontrolovať tváre, detaily výrobkov, hovorené slová aj prípadný text v obraze.
Za generovanie videa v rozlíšení 720p Google uvádza cenu 0,07 dolára za sekundu, čo je podľa spoločnosti o 30 % menej než pri Omni 1.1 Flash. Jednoduchý prepočet pri tejto sadzbe predstavuje približne 1,05 dolára za 15-sekundový klip. Skutočný účet môže závisieť od spôsobu použitia, vstupov, ďalších úprav a cenníka konkrétnej služby. Opakované pokusy alebo ďalšie spracovanie môžu celkové náklady zvýšiť.
Google uvádza všeobecnú dostupnosť modelu cez Gemini API a Gemini pre firmy. Dostáva sa aj do ďalších produktov vrátane Google Vids. Podľa informácií Google Workspace sa zavádzanie vo Vids začalo 5. novembra a môže trvať niekoľko dní. Dostupnosť funkcií a limity sa môžu líšiť podľa účtu, služby a regiónu, preto sa pred tvorbou oplatí skontrolovať konkrétnu ponuku vo vlastnom účte.
Pri testovaní cez službu Segmind autor opísal 17 generovaní a jedno porovnanie s predchádzajúcou verziou. Pri rovnakej požiadavke nedokázal určiť jednoznačného víťaza v kvalite. Jeho skúška zároveň ukázala, že povolená dĺžka sa môže líšiť podľa použitého režimu a poskytovateľa – napríklad pri práci s referenčnými obrázkami. Výsledky preto nemožno považovať za úplné nezávislé porovnanie všetkých možností modelu.
Google uvádza, že výstupy obsahujú neviditeľný vodoznak SynthID. Ten slúži na označenie obsahu vytvoreného pomocou AI; sám osebe však nenahrádza redakčné označenie ilustrácie ani kontrolu toho, či video nevyvoláva dojem skutočného záberu udalosti.