مدل ویدیویی Gemini Omni گوگل لو رفت
هوش مصنوعیخلاصهٔ کاملتر
آخر هفتهای که گذشت، کاربران ردیت تصاویری از یه رابط بهروزشدهی گمینی منتشر کردن که یه کارت مدل جدید توش دیده میشد. توضیح روی این کارت میگفت: «با Gemini Omni بساز: با مدل ویدیویی جدید ما آشنا شو، ویدیوهات رو ریمیکس کن، مستقیم توی چت ویرایش کن، از تمپلیتها استفاده کن.» این انتشار یا تصادفی بوده یا بخشی از یه تست A/B محدود.
کنار این کارت مدل، یه تب جدید برای «محدودیتهای مصرف» هم توی تنظیمات دیده شد. چند نفر هم گزارش دادن که تولید ویدیو کردیتها رو خیلی سریع مصرف میکنه، که نشون میده گوگل داره یه سیستم محدودیت مصرف مشابه بقیهی سرویسهاش رو پیاده میکنه.
از نظر کیفیت خروجی خام، Omni فعلاً از Seedance 2 بایتدنس عقبه و بینندگان میگن کیفیت سینماتیک کمتریه. ولی جایی که واقعاً درخشید ویرایش ویدیو بود: حذف واترمارک، جابجایی اشیا داخل کلیپ، و بازنویسی صحنهها از طریق دستورالعملهای متنی — همه اینا برای اولین نسخهی عمومی خیلی خوب کار میکردن.
این الگو دقیقاً همون مسیریه که گوگل با Nano Banana (مدل بومی تصویر در گمینی) طی کرد: اون مدل هم اول امتیاز تولید پایینی داشت ولی در ویرایش تصویر اول شد، و بعداً به یه سیستم تصویری حرفهای ارتقا پیدا کرد. به نظر میرسه گوگل همین استراتژی رو برای ویدیو هم داره اجرا میکنه: اول یکپارچهسازی قابلیتها زیر چتر گمینی، بعد بهبود کیفیت خام.
همچنین نشانههایی هست که Omni در نسخههای چندگانه عرضه میشه — احتمالاً Flash و Pro — و خروجیهایی که الان دیده شدن احتمالاً از نسخهی Flash هستن. زمانبندی این لیک هم با رویداد Google I/O در ۱۹ و ۲۰ مه کاملاً همخوانی داره، رویدادی که گوگل معمولاً بزرگترین اعلامیههای AI خودش رو اونجا میکنه.
نکات کلیدی:
- Gemini Omni مدل ویدیویی جدید گوگله که قبل از Google I/O لو رفت
- قابلیتهای ویرایش ویدیو از طریق چت (حذف واترمارک، جابجایی اشیا) نقطه قوت اصلیشه
- کیفیت تولید خام فعلاً از Seedance 2 بایتدنس پایینتره
- احتمالاً در دو تیر Flash و Pro عرضه میشه
- گوگل همون استراتژی مدل تصویری Nano Banana رو برای ویدیو هم تکرار میکنه
