Gemini Omni 1.2 Flash ra mắt với video 15 giây, giá giảm 30%

Google DeepMind đã tung ra Gemini Omni 1.2 Flash, bản nâng cấp của mô hình tạo video bằng AI, với ba thay đổi chính: thời lượng clip gốc kéo dài lên 15 giây, khả năng bám sát ảnh tham chiếu tốt hơn và giá giảm 30% so với phiên bản 1.1. Mô hình đã được mở rộng cho mọi người dùng (generally available) trên Gemini API và Google Cloud, kèm hạ tầng bảo mật cấp doanh nghiệp của Google Cloud.

Theo Anish Nangia, quản lý sản phẩm tại Google DeepMind, mức giá mới là 0,07 USD cho mỗi giây video 720p. Đây là lần đầu tiên dòng Gemini Omni được phát hành rộng rãi, nghĩa là doanh nghiệp, nhà phát triển và người sáng tạo nội dung có thể đưa vào quy trình sản xuất thực tế thay vì chỉ thử nghiệm. Đầu ra của mô hình được gắn thủy vân SynthID, loại thủy vân vô hình dùng để nhận diện nội dung do AI tạo ra.

Clip dài gấp rưỡi, chọn thời lượng theo từng giây

Nếu bản Omni 1.1 dừng ở clip 10 giây thì 1.2 Flash đẩy lên 15 giây, đủ để kể trọn một câu chuyện ngắn, làm video giới thiệu sản phẩm hoặc một spot quảng cáo mạng xã hội hoàn chỉnh trong một lần tạo. Người dùng còn có thể chỉ định thời lượng theo từng giây, từ 3 đến 15 giây, thay vì chỉ chọn các mốc cố định.

Đi kèm là khả năng chỉnh sửa hội thoại nhiều lượt (multi-turn conversational editing). Thay vì tạo lại cả clip khi muốn đổi một chi tiết, người dùng chỉ cần ra lệnh tiếp nối: đổi sản phẩm, thay bối cảnh, chỉnh ánh sáng hoặc thời tiết, chuyển tỷ lệ khung hình. Cách làm này áp dụng được cho toàn bộ clip 15 giây, nên có thể sản xuất nhiều biến thể quảng cáo cho các nhóm khách hàng và vị trí hiển thị khác nhau mà không phải mô tả lại từ đầu.

Giữ nhân vật, sản phẩm và chữ hiệu ổn định xuyên suốt

Điểm được Google nhấn mạnh nhiều nhất là độ bám tham chiếu. Người dùng có thể kết hợp ảnh nhân vật, ảnh sản phẩm, ảnh phong cách, clip chuyển động ngắn tối đa 3 giây và tín hiệu âm thanh để dẫn dắt quá trình tạo video. Omni 1.2 Flash giữ được các chi tiết đó từ khung hình đầu đến khung hình cuối: khuôn mặt, trang phục, kiểu chữ trên bao bì và màu thương hiệu không bị trôi qua các góc máy khác nhau.

Google đưa ra ví dụ cụ thể: ghép một ảnh người mẫu với ảnh mặt trước và mặt sau của ba bộ trang phục, mô hình tạo ra chuỗi thử đồ ảo dài 15 giây với các cú xoay 360 độ và chuyển cảnh match cut, vẫn giữ nguyên danh tính người mẫu cùng đường cắt, độ rủi và chi tiết sau lưng của từng bộ đồ. Với lĩnh vực thương mại điện tử, đây là điểm đáng chú ý vì có thể biến ảnh sản phẩm sẵn có thành clip thử đồ ảo.

Khả năng nhất quán cũng thể hiện rõ khi nối khung hình đầu với khung hình cuối, hoặc khi kéo dài một clip để ghép thành chuỗi dài hơn. Google so sánh trực tiếp hai bản: với cùng một ảnh poster triển lãm ánh sáng studio tĩnh và cùng một câu lệnh tạo hình động năm lớp, bản 1.1 không bám ảnh tham chiếu sát bằng 1.2. Bản mới dựng poster theo từng lớp trên phông nền hồng bụi, nâng bệ lục giác lên, lắp ghép các chữ HALO, GLOW, LUMEN bằng chất liệu thủy tinh có gân, dây tóc phát sáng ấm, pha lê đa giác và dây quấn, rồi khóa mọi chi tiết vật liệu, bóng đổ và chữ tới khung hình cuối.

Chuyển động mượt hơn, ít cắt cảnh ngoài ý muốn

Về mặt hình ảnh, 1.2 Flash xử lý tốt hơn các cú máy phức tạp và liên tục như bay FPV quét qua không gian, zoom out kịch tính hay xoay quanh chủ thể, với ít cú cắt cảnh ngoài ý muốn hơn và tỷ lệ hiển thị ổn định hơn. Google minh họa bằng một cảnh quay FPV liền mạch băng qua quảng trường, xuyên qua cửa đồng rồi bay lên vòm coffered của đền Pantheon tới ô cửa sổ tròn trên đỉnh, không có cú cắt nào, dựa trên hai ảnh tham chiếu kiến trúc.

Âm thanh cũng được cải thiện. Mô hình tạo được lời thoại tự nhiên hơn, khớp khẩu hình rõ hơn và phân biệt được nhiều người nói trong cùng cảnh. Google dẫn ví dụ một cảnh nhà kính với bốn nhân vật, kèm ảnh tham chiếu khuôn mặt, khẩu hình và mẫu giọng 1 giây cho từng người; mô hình định tuyến đúng giọng cho đúng nhân vật, khẩu hình biểu cảm và nhịp hài tự nhiên suốt 15 giây.

Chi phí vận hành: rẻ hơn nhờ quy trình, không chỉ nhờ giá

Ngoài việc giảm 30% giá niêm yết, Google còn thiết kế quy trình để tiết kiệm chi phí ở cấp độ sản xuất. Người dùng có thể nháp nhanh ở 360p hoặc 720p, sửa một chi tiết bằng lệnh chỉnh sửa tiếp nối thay vì tạo lại toàn bộ clip, rồi mới nâng cấp những bản tốt nhất lên 1080p hoặc 4K. Với các đội làm nội dung số lượng lớn, cách chia tầng này giúp giảm số lần gọi mô hình tính tiền theo giây.

Mô hình cũng đã có Provisioned Throughput, tức là doanh nghiệp có thể đặt trước năng lực xử lý để ổn định tốc độ khi chạy chiến dịch lớn.

Dùng được ở đâu

• Gemini API: thử nghiệm trong Google AI Studio, dùng các ứng dụng mẫu tương tác, xem tài liệu và bảng giá cho nhà phát triển.
• Google Cloud: thử trong console và xây giải pháp doanh nghiệp qua API.
• Flow: dàn cảnh và chỉnh sửa nhiều lượt.
• Google Vids: tạo clip 15 giây không tính thêm phí với tài khoản Google hoặc gói Google Workspace.
• Ứng dụng Gemini: tạo video 15 giây, đang mở dần cho người dùng gói Google AI Ultra.
• Google Ads: mở rộng quy mô chiến dịch video.

Google cho biết các doanh nghiệp, startup và nhà sáng tạo đã đưa Omni 1.2 Flash vào quy trình làm việc thực tế. Mô hình phù hợp nhất với các đội sản xuất video số lượng lớn, từ quảng cáo thương mại điện tử, video giải thích sản phẩm tới nội dung mạng xã hội.

Điều còn phải chờ

Google thừa nhận mô hình vẫn đang được cải thiện ở ba điểm: cảnh thể thao chuyển động nhanh, thay đổi kịch bản đột ngột và các tương tác vật lý phức tạp. Đây đều là những tình huống khó với mọi mô hình video AI hiện nay, nên ai định dùng cho nội dung thể thao hay hành động nên thử trước khi đưa vào dây chuyền sản xuất chính thức.

Với mức giá 0,07 USD mỗi giây và clip 15 giây, chi phí thô cho một video 720p rơi vào khoảng 1 USD. Câu hỏi lớn hơn nằm ở chỗ liệu chất lượng có đủ ổn định để giảm bớt khâu hậu kỳ hay không, và đó là điều chỉ có thể trả lời sau khi các đội nội dung thực chiến với mô hình này trong vài tháng tới.

Nguồn tham khảo: Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips.

Bài viết được biên soạn với sự hỗ trợ của AI dựa trên nguồn dẫn ở trên.

TH (phapluatxahoi.kinhtedothi.vn)