Gemini Omni (más néven Google Omni és Veo Omni): videók karakterekkel, hanggal és 4K-val
Röviden a legfontosabbról (BLUF)
A Gemini Omni, a Google Omni és a Veo Omni egy videomodell három neve: minden videóban egy hőst tart, megszólaltatja őket, és akár 4K-t is kiad. Nézzük meg, mi van az „Omni” szó mögött, mennyibe kerül a generáció, és hol kezdjük.
Ennek a modellnek három neve van, és valószínűleg mindhárommal találkozott már:Gemini Omni, Google OmniÉsVeo Omni. Vannak, akik a család Ikrek, mások a videovonal Veo, mások egyszerűen „omni” - ugyanarról a neurális hálózatról beszélünk a videó generálására. Nálunk dolgozik"Videó" szakaszban, és előfizetés nélkül, egy adott generáció fizetésével futtathatja.
Mi van az "Omni" szó mögött?
Egy normál videomodell szöveget vagy egy képet fogad. Itt a bemenet vegyes: szöveges leírás és legfeljebb hét kép, videó vagy hang további kontextusként. Szüksége van egy videóra egy adott képkocka szellemében és egy adott dallam hangulatával - hozzon mindent egyszerre, a modell minden forrást figyelembe vesz.
Ez megváltoztatja a probléma megfogalmazását. A „képzelj el egy ilyen házat, ilyen fényt” bekezdés helyett a ház fényképét mutatod, és csak szavakkal írod le a cselekvést. A cselekményért a szöveg, a megjelenésért a mellékletek a felelősek.
Karakterek: egy hős minden videóban
A fő probléma a hagyományos generátorokkal az, hogy a hős videóról videóra vált. A Gemini Omniban külön karakterlap található erre: egy hőst egyszer létrehoznak, elmentik a könyvtáradba, majd egyetlen kattintással összekapcsolják bármelyik generációval. A megjelenés videóról videóra egységes marad.
Így áll össze a sorozat: egy rovat virtuális műsorvezetője, egy márka kabalája, egy gyerektörténet szereplője. Nem kell minden alkalommal újra feltölteni a referenciákat, és remélni, hogy a modell „emlékezni fog” az arcra.
Hang: kész előbeállítások és saját
A videó azonnal kijöhet hanggal. A beállítások egy sor kész hangot tartalmaznak - férfi és női, a lágytól a magasig, a rekedtségig. Kiválaszt egy hangot, ír egy sort a leírásba – és a karakter közvetlenül a keretben beszél. Ha az előbeállítások nem megfelelőek, a hang fülön az alap alapján létrejön a saját hangja: ez is a személyes könyvtárába kerül. Ez egy módja annak, hogy a márka egyetlen felismerhető hangot halljon az összes videója mögött.
Akár 4K, időtartam és keretformátum
Ez egyike azon kevés modelleknek a webhelyen, amelyek 4K kimenettel rendelkeznek: 720p, 1080p és 4K érhető el. Időtartam - 4, 6, 8 vagy 10 másodperc, vízszintes képkocka 16:9 vagy függőleges 9:16 közösségi hálózatokhoz. A gyakorlati út egyszerű: fuss piszkozatokat 720p-vel, és egy jó lehetőség az 1080p vagy 4K újraindítás.
Mennyibe kerül
Az ár függ az időtartamtól, a minőségtől és attól, hogy videót küldesz-e be inputként, és mindig megjelenik az indítás előtti űrlapon – az összeget a gombra kattintás előtt látod. Előfizetés nincs: az általános egyenlegből fizet egy adott videót, orosz kártyával töltheti fel. Egy négy másodperces 720p piszkozat lényegesen kevesebbe kerül, mint egy tíz másodperces 4K, így egy ötlet tesztelése olcsóbb, mintha azonnal leforgatnád a finálét.
Hol kezdjem
- Nyitottmodell oldalés készítsd el az első videót egy szövegből – így érezni fogod, hogyan olvassa el a leírásokat.
- Adjon hozzá referenciaképet: a szavak reprezentálják a cselekvést, a kép pedig a jelenet megjelenését.
- Ha valaki beszél a keretben, adjon meg egy hangot és egy sort.
- Szerezzen állandó karaktert, ha videósorozatra van szüksége egyetlen hőssel.
A jelenet leírásakor tartsa be a rendet: ki van a képen, mit csinál, hol történik, hogyan viselkedik a kamera. Válaszát külön mondatban küldje el. Ez a struktúra szinte mindig koherens videót hoz létre az első vagy a második próbálkozásra.
Google Omni vagy Veo Omni nevű modellt keres – ez ugyanaz:A Gemini Omni itt érhető el. A közelben, bent"Videó" szakaszban, vannak más videomodellek is, ha össze akarjuk hasonlítani.
Gyakran ismételt kérdések (GYIK)
Kérdés: Hogyan lehet a legjobb eredményt elérni egy neurális hálózatból?
Válasz: Használjon részletes angol nyelvű promptokat (leírásokat), állítsa be a jelenet stílusát és részleteit.
Kérdés: Felhasználhatók-e ezek az anyagok kereskedelmi célokra?
Válasz: Igen, a generált tartalom teljes mértékben az Öné.