Gemini Omni: Google’ın yeni yapay zeka video modeli, demolar ve kullanım

Google, Gemini Omni’yi I/O sahnesinde tanıttı ve tek cümlelik özet basit: Ona verdiğin neredeyse her girdiyi - görseller, ses, video, metin, hatta kaba bir çizim - alıp yüksek kaliteli videoya dönüştürüyor.

Bu, son iki yıldaki diğer tüm video modeli sunumları gibi duyuluyor olabilir. Değil; nedeni de demolar. Google arka arkaya beş gönderi yayımladı. Biz klipleri buraya aldık, böylece bir özetin özetini okumak yerine kendin değerlendirebilirsin.

Gemini Omni ile tanış

Tanıtım. Tek model, her türlü girdi, video çıktısı.

Sadece pikselleri değil, fiziği anlıyor

Burada biraz yavaşlamak gerekiyor. Çoğu video modeli sahnelerin nasıl göründüğünü öğrenir. Google’ın iddiası, Gemini Omni’nin dünyanın nasıl çalıştığı üzerine akıl yürüttüğü yönünde: sezgisel fizik anlayışını Gemini’nin gerçek dünya bilgisiyle birleştiriyor. Böylece dökülen sıvı yerine oturuyor, ağırlık olması gereken yere düşüyor ve çıktı sadece render edilmiş gibi durmak yerine davranıyor.

Her türlü girdi içeri, video dışarı

Ona görselleri, sesi, videoyu ve metni birlikte verebilirsin. Ya da bir çizim verip vizyonunu yakalamasını sağlayabilirsin. İsimdeki “omni” asıl mesele: girdi tarafı tek bir prompt kutusuyla sınırlı değil, tamamen açık.

Düzenleme artık bir konuşma

Çoğu kişi için en etkileyici kısım bu. Kendi görüntünü modelle konuşarak düzenliyorsun. Aksiyonu yeniden kadrajlamak, bakış açısını değiştirmek, ışığı daha sinematik yapmak - hem de birden fazla tur boyunca. Her talimat bir öncekine dayanıyor; karakterler tutarlı kalıyor, fizik korunuyor ve sahne daha önce olanları hatırlıyor. Keyframe dolu timeline, karşılıklı bir konuşmaya dönüşüyor.

Nerede ve ne zaman kullanabilirsin

Yayına çıkan katman Gemini Omni Flash olarak adlandırılıyor ve dağıtım aşamalı:

• Bugün - dünya genelinde Google AI Plus, Pro ve Ultra aboneleri için Gemini uygulamasında ve Flow by Google’da.

• Bu hafta, ücretsiz - YouTube Shorts ve YouTube Create uygulamasında.

• Önümüzdeki haftalarda - geliştiriciler ve kurumsal müşteriler için API üzerinden.

Yani önce creator’lar doğrudan deniyor; üzerine ürün geliştirenler için önemli olan API ise biraz sonra geliyor. (Google’ın rollout gönderisi)

Kısa değerlendirme

Buradaki bahis fizik ve akıl yürütme tarafında. Birçok model güzel görünen beş saniyelik bir klip üretebilir. Çok daha azı, çekimi üst üste dört kez yeniden tarif ederken bir karakteri tutarlı tutabilir. Bu tutarlılık lansman videosunun dışında da korunursa, asıl değişim üretim değil düzenleme workflow’u olur.

Bu aynı zamanda agent işlerinin nereye gittiğini de gösteriyor. İlginç birim tek bir prompt olmaktan çıkıp durumu hatırlayan çok turlu bir oturuma dönüşüyor - insanların Kollab içinde zaten yürüttüğü işin tam şekli bu: modele bağlam vermek, birkaç tur boyunca yinelemek, thread’i tutarlı tutmak. Bunu video için doğal olarak yapan bir model, bu workflow’ları çok daha somut hale getiriyor.

SSS

Gemini Omni nedir?

Google’ın, her türlü girdiden - görsel, ses, video, metin veya çizim - yüksek kaliteli video üreten ve mevcut videoyu konuşma yoluyla düzenleyen yeni AI modeli. Google I/O’da duyuruldu.

Gemini Omni ücretsiz mi?

Gemini Omni Flash katmanı bu haftadan itibaren YouTube Shorts ve YouTube Create uygulamasında ücretsiz. Tam erişim önce Google AI Plus, Pro ve Ultra abonelerine Gemini uygulamasında ve Flow by Google’da açılıyor.

Gemini Omni API ne zaman kullanılabilir olacak?

Google, geliştirici ve kurumsal API erişiminin tüketici rollout’undan sonraki haftalarda geleceğini söylüyor.

Gemini Omni’yi diğer video modellerinden ayıran ne?

Gemini’nin gerçek dünya akıl yürütmesiyle sezgisel fizik anlayışını birleştiriyor ve karakterlerin ve sahne durumunun talimatlar boyunca tutarlı kaldığı çok turlu konuşmalı düzenlemeyi destekliyor.

Kaynak: @Google’ın #GoogleIO’daki resmi gönderileri - tanıtım, fizik, her türlü girdi, konuşmalı düzenleme, rollout. Klipler yorum ve referans amacıyla gömülmüştür; tüm haklar Google’a aittir.