Gemini Omni 1.1 Flash: wersje robocze 360p, klatka początkowa i wyjście 4K
Bottom Line Up Front (BLUF): Gemini Omni 1.1 Flash to druga wersja multimodalnego modelu wideo. Mieszane dane wejściowe pozostają takie same — tekst, obrazy, wideo, głosy i zapisane znaki w jednym żądaniu. Nowe są dwa elementy sterujące: szybki tryb roboczy 360p i klatka początkowa, która decyduje, gdzie rozpoczyna się ruch. Obie wersje znajdują się na tej samej liście modeli, więc możesz je zmienić w dowolnym momencie.
Jaką wersję 1.1 dodaje Flash
Są dokładnie dwie różnice i obie dotyczą kierowania strzałem. Pierwsza to 360p: wersja 1 w ogóle jej nie oferuje, najniższy stopień to 720p. Druga to klatka początkowa — przesłane zdjęcie można uznać za pierwszą klatkę klipu, więc ruch zaczyna się od niej, a nie od tego, co wymyśli model.
Wszystko inne pasuje: 4, 6, 8 lub 10 sekund, krajobraz 16:9 i portret 9:16, rozdzielczości 720p, 1080p i 4K, pole początkowe powtarzalnych wyników oraz wspólne biblioteki głosów i postaci. Cena obu wersji jest identyczna.
W rozdzielczości 360p liczy się szybkość, a nie oszczędność pieniędzy
Tryb draft kosztuje dokładnie tyle samo, co 720p i 1080p: stawka zależy od długości klipu, a nie od rozmiaru klatki. Punkt 360p jest inny — mała klatka powraca zauważalnie szybciej, więc w tym samym czasie możesz wypróbować więcej sformułowań, kątów i akcji.
Praktyczna trasa wygląda następująco: trzy lub cztery próby w 360p, aż scena zacznie działać, następnie ten sam monit z tym samym powtórzeniem w 1080p lub 4K. Przy ustalonych założeniach końcowy klip zwykle powtarza wersję roboczą w składzie i różni się jedynie szczegółami.
Klatka początkowa: klip otwiera się na Twoim zdjęciu
Pole wyboru „Użyj pierwszego przesłanego obrazu jako klatki początkowej” zamienia odniesienie w dosłowną klatkę otwierającą. To pomaga, gdy początek jest ustalony: gotowy plakat, kadr z poprzedniego klipu, pokój nakręcony telefonem. Tekst opisuje wówczas jedynie ruch – kto wchodzi, co robi postać, dokąd zmierza kamera.
Tryb ten wiąże się z kosztami i jest lepiej znany z góry: w przypadku ramki początkowej inne załączniki nie są wysyłane. Żadnych dodatkowych obrazów, żadnych odniesień wideo, żadnych postaci ani głosów — model działa wyłącznie z obrazem początkowym i tekstem. Jeśli potrzebujesz mieszanych danych wejściowych, wyczyść pole wyboru, a wszystko dołączone będzie działać normalnie.
Mieszane dane wejściowe i limit załączników
Bez układu początkowego obowiązuje znana arytmetyka: w sumie siedem miejsc. Każdy obraz zajmuje jedno miejsce, zapisana postać również zajmuje jedno miejsce, a odniesienie wideo zajmuje dwa jednocześnie. Możesz więc przynieść siedem zdjęć lub film plus pięć zdjęć lub trzy postacie i wideo plus dwa zdjęcia.
Odniesienie wideo jest przycinane do dziesięciosekundowego okna, a fragment jest wybierany w przeglądarce za pomocą suwaka przed wysłaniem. Głosy pochodzą z Twojej osobistej biblioteki: do trzech ścieżek na klip, a linie są zapisane w samym opisie sceny.
Którą wersję wybrać
Weź 1.1 Flash, gdy potrzebujesz szybkiego przeglądu pomysłów lub ściśle określonego otwarcia. Wersja 1 pozostaje rozsądnym wyborem, gdy żadna z nich nie jest wymagana, a ustawienia są już wybrane – wyniki są zbliżone, a forma pozostaje ta sama.
Przełączanie niczego nie psuje: historia generacji jest współdzielona, podobnie jak biblioteki głosów i postaci. Ten sam bohater może wystąpić w klipach utworzonych przez dowolną wersję, a kanał pokazuje, który z nich przyniósł dany wynik.
Częste pytania
Czym Gemini Omni 1.1 Flash różni się od Gemini Omni 1?
Na dwa sposoby: wersja robocza 360p, której nie ma wersja 1, oraz klatka początkowa — opcja, aby przesłane zdjęcie stało się pierwszą klatką klipu. Czas trwania, proporcje, 4K, materiał siewny, głosy i postacie są takie same w obu przypadkach.
Czy 360p jest tańsze niż 1080p?
Nie. Cena zależy od długości klipu i od tego, czy dostarczono referencje wideo; 360p, 720p i 1080p kosztują tyle samo, a tylko 4K kosztuje więcej. Tryb Draft wygrywa czasem oczekiwania, a nie ceną.
Dlaczego postacie i głosy znikają, gdy ustawiam klatkę początkową?
Tak właśnie działa sam model: ramka startowa jest niekompatybilna z pozostałymi załącznikami i wysyłana jest bez nich. Jeśli scena wymaga postaci, głosu lub odniesienia wideo, usuń zaznaczenie pola wyboru klatki początkowej, a nastąpi pełne zmiksowanie sygnału wejściowego.
Czy mogę powtórzyć dobrą wersję roboczą w wysokiej jakości?
Tak. Napraw materiał siewny podczas tworzenia wersji roboczej i uruchom ponownie to samo żądanie, zmieniając jedynie rozdzielczość. Nie gwarantuje się dopasowania klatka po klatce, ale kompozycja i akcja są zwykle zachowywane.