گوگل در ۵ نوامبر ۲۰۲۶ مدل ویدیویی Gemini Omni 1.2 Flash را معرفی کرد. نکتهٔ اصلی فقط طول بیشتر ویدئو نیست: مدل می‌تواند کلیپ‌هایی تا ۱۵ ثانیه بسازد، جزئیات مرجع را بهتر دنبال کند و با دستورهای پیاپی همان کلیپ را اصلاح کند. با این حال، یک نام مدل به معنی دسترسی یکسان در همهٔ محصولات Google نیست؛ امکانات و شرایط در Flow، Google Vids، اپ Gemini و API تفاوت دارند.
چه چیزهایی در Omni 1.2 Flash تازه است؟
مهم‌ترین تغییر برای سازندهٔ محتوا، ترکیب سه قابلیت است: تولید ویدئوی کوتاه تا ۱۵ ثانیه، ویرایش چندمرحله‌ای با ادامهٔ گفت‌وگو، و پایبندی بهتر به تصاویر مرجع. به‌جای آنکه برای هر اصلاح از ابتدا خروجی بگیرید، می‌توانید از مدل بخواهید یک ویژگی مشخص را تغییر دهد؛ مثلاً نور را گرم‌تر کند یا پس‌زمینه را عوض کند. حفظ هویت سوژه و جزئیات محصول در طول نماها نیز بهتر شده، ولی این به معنی تضمین بی‌نقص‌بودن نوشته‌ها، چهره‌ها یا همهٔ فریم‌ها نیست؛ خروجی را باید بازبینی کرد.
طبق معرفی رسمی Google، Omni 1.2 Flash از API و محصولات کسب‌وکاری Google در دسترس قرار گرفته است. مسیر مصرف‌کننده به محصول و طرح بستگی دارد: در Google Vids امکان ساخت ویدئوهای ۱۵ ثانیه‌ای تا سقف اعلام‌شدهٔ سه خروجی در ماه بدون هزینهٔ جداگانه برای حساب Google یا Workspace آمده است؛ قابلیت داخل اپ Gemini برای مشترکان Google AI Ultra به‌تدریج فعال می‌شود؛ و Flow هم مسیر جداگانه‌ای برای تولید و ویرایش صحنه دارد. پیش از برنامه‌ریزی، صفحهٔ همان ابزار و حساب خودتان را بررسی کنید.
کدام قابلیت برای چه کاری مفید است؟
۱۵ ثانیه در یک کلیپ: برای یک معرفی کوتاه محصول، تیزر شبکهٔ اجتماعی یا روایت یک حرکت کامل، فضای بیشتری از کلیپ‌های کوتاه‌تر می‌دهد. زمان دقیق قابل انتخاب و قالب خروجی به رابطی که استفاده می‌کنید بستگی دارد.
ویرایش مرحله‌ای: پس از ساخت نسخهٔ اول، اصلاح‌ها را جداگانه درخواست کنید؛ برای نمونه ابتدا پس‌زمینه، بعد نور و در آخر نسبت تصویر. تغییرهای کوچک را یکی‌یکی انجام دهید تا بفهمید کدام دستور نتیجه را عوض کرده است.
تصاویر مرجع: تصویر محصول، شخصیت یا سبک بصری می‌تواند به نزدیک‌شدن خروجی به مرجع کمک کند. اگر رنگ بسته‌بندی یا شکل محصول مهم است، آن را با چند فریم خروجی کنترل کنید؛ مدل ممکن است در حرکت بعضی جزئیات را تغییر دهد.
Flow، Vids، Gemini یا API؟
برای کار تصویری و ساخت صحنه با ابزارهای بصری Google، Flow مناسب‌تر است؛ برای ساخت ویدئوی کوتاه در فضای کاری ویدئویی، Google Vids را بررسی کنید. اگر ساخت ویدئو در محیط گفت‌وگوی Gemini برای حسابتان فعال شده، همان‌جا می‌توانید از قابلیت مصرف‌کننده استفاده کنید. توسعه‌دهنده‌ها یا کسب‌وکارهایی که ساخت ویدئو را در فرایند خودکار ادغام می‌کنند باید سراغ مستندات API، دسترسی حساب و قیمت‌گذاری مربوط بروند؛ این مسیر با اشتراک اپلیکیشن یکی نیست.
در نتیجه، پیش از انتخاب ابزار سه چیز را جداگانه بسنجید: آیا قابلیت برای حساب و منطقهٔ شما فعال است؟ چند خروجی و چه کیفیتی می‌خواهید؟ آیا لازم است مدل را از راه رابط آماده به کار ببرید یا در محصول خودتان ادغام کنید؟ برای راهنمای عملی ساخت کلیپ از یک تصویر ثابت، به راهنمای Google Flow برای تبدیل عکس به ویدئو بروید.
یک روش ساده برای گرفتن خروجی قابل‌کنترل
هدف را در یک جمله مشخص کنید: مثلاً «یک نمای ۱۰ ثانیه‌ای از محصول روی میز، با حرکت آرام دوربین».
عکس مرجع تمیز و مرتبط انتخاب کنید و دقیق بگویید کدام ویژگی باید ثابت بماند.
حرکت دوربین، نور، پس‌زمینه و نسبت تصویر را به‌صورت روشن توصیف کنید؛ چند خواستهٔ ناسازگار را در یک دستور جمع نکنید.
اول نسخهٔ کوتاه بسازید، بعد اصلاح‌ها را مرحله‌به‌مرحله اعمال و نوشته‌ها، شکل محصول و پیوستگی حرکت را بازبینی کنید.
پرسش‌های پرتکرار
آیا Omni 1.2 Flash در همهٔ حساب‌های Gemini فعال است؟
خیر. معرفی مدل، دسترسی همهٔ کاربران به هر رابط را تضمین نمی‌کند. انتشار قابلیت‌ها بر اساس محصول، طرح و منطقه ممکن است مرحله‌ای باشد.
آیا می‌شود مستقیماً یک ویدئوی ۱۵ ثانیه‌ای ساخت؟
مدل قابلیت تولید کلیپ تا ۱۵ ثانیه را دارد، اما زمان و تنظیمات در هر محصول ممکن است فرق کند. گزینه‌های قابل انتخاب را در رابطی که استفاده می‌کنید ببینید.
آیا تصاویر مرجع خروجی را دقیقاً ثابت نگه می‌دارند؟
نه. وفاداری به مرجع بهتر شده، ولی خطا یا تغییر جزئیات ممکن است رخ دهد. برای تبلیغ محصول، خروجی را فریم‌به‌فریم بازبینی کنید.
آیا استفاده از Gemini app و API یک هزینه دارد؟
خیر. طرح اپلیکیشن و صورتحساب API مسیرهای جدا هستند و باید شرایط و قیمت هرکدام را جدا بررسی کرد.
