ساخت یک ویدیوی تبلیغاتی کوتاه معمولاً با اولین خروجی تمام نمی‌شود. ممکن است چهره شخصیت بین نماها عوض شود، نوشته روی محصول به‌هم بریزد یا برای تغییر ساده‌ای مثل نور و پس‌زمینه مجبور شوید همه‌چیز را از اول بسازید. مدل Gemini Omni 1.2 Flash دقیقاً روی همین مشکل تمرکز کرده است: ویدیوی طولانی‌تر می‌سازد، جزئیات مرجع را بهتر نگه می‌دارد و اجازه می‌دهد همان کلیپ را با چند دستور متنی پشت‌سرهم اصلاح کنید.

شرکت Google این مدل را در ۵ نوامبر ۲۰۲۶ معرفی کرد و دسترسی عمومی آن را برای استفاده حرفه‌ای آغاز کرد. مهم‌ترین تغییر برای کاربر عادی، امکان تولید و ویرایش کلیپ‌های سه تا پانزده‌ثانیه‌ای است؛ نسخه قبلی به ده ثانیه محدود بود. قیمت تولید ویدیوی 720p نیز سی درصد کاهش یافته و به ۰٫۰۷ دلار برای هر ثانیه رسیده است. این مقاله بر اساس اطلاعات رسمی Google نوشته شده و ادعای آزمون عملی مستقل ندارد.

مدل Gemini Omni 1.2 Flash چه چیزی را تغییر می‌دهد؟

این به‌روزرسانی فقط مدت ویدیو را پنج ثانیه بیشتر نکرده است. تغییر اصلی این است که تولید و ویرایش در یک مسیر پیوسته قرار گرفته‌اند. شما می‌توانید با متن، عکس، ویدیوی کوتاه یا نمونه صوتی مسیر ساخت را مشخص کنید؛ سپس با یک دستور تازه، بخشی از همان نتیجه را تغییر دهید. برای نمونه می‌شود پس‌زمینه را عوض کرد، نور را به غروب تبدیل کرد یا محصول دیگری را جایگزین کرد، بدون اینکه توضیحات قبلی دوباره نوشته شود.

طبق اعلام رسمی Google، مدل جدید در حفظ چهره، لباس، بسته‌بندی، رنگ برند و ترکیب صحنه بهتر از نسخه ۱.۱ عمل می‌کند. این موضوع برای سازندگان تبلیغات محصول مهم است، چون یکی از خطاهای رایج مدل‌های ویدیویی تغییر شکل اشیا و شخصیت‌ها هنگام حرکت دوربین است.

کلیپ‌های پانزده‌ثانیه‌ای با زمان قابل انتخاب

مدل Gemini Omni 1.2 Flash ویدیوهایی با مدت سه تا پانزده ثانیه می‌سازد و زمان را می‌توان با فاصله‌های یک‌ثانیه‌ای انتخاب کرد. پانزده ثانیه هنوز برای روایت طولانی کافی نیست، اما برای نمایش محصول، معرفی کوتاه، ویدیوی عمودی شبکه‌های اجتماعی یا یک صحنه کامل تبلیغاتی کاربردی‌تر از محدودیت ده‌ثانیه‌ای نسخه قبل است.

ویرایش مکالمه‌ای به‌جای تولید دوباره

قابلیت مهم بعدی، ویرایش مرحله‌به‌مرحله با زبان طبیعی است. فرض کنید از حرکت دوربین راضی هستید، اما رنگ محصول یا فضای پشت آن مناسب نیست. به‌جای ساخت کلیپ تازه، می‌توانید فقط همان تغییر را درخواست کنید. مدل تلاش می‌کند حرکت، قاب‌بندی و عناصر دیگر را ثابت نگه دارد. این روش هم زمان آزمون‌وخطا را کم می‌کند و هم جلوی پرداخت هزینه برای تولید کامل هر نسخه را می‌گیرد.

در مستندات رسمی، امکان ادامه‌دادن ویدیو و اصلاح آن در چند مرحله تأیید شده است. البته اگر هنگام استفاده فنی گزینه ذخیره نتیجه غیرفعال شود، ویدیو برای ویرایش‌های بعدی در همان زنجیره در دسترس نخواهد بود. این جزئیات بیشتر برای توسعه‌دهندگانی مهم است که مدل را داخل محصول خود قرار می‌دهند.

چه کسانی از این مدل استفاده بهتری می‌کنند؟

بیشترین فایده برای تولیدکنندگان محتوا، فروشگاه‌های آنلاین، آژانس‌های تبلیغاتی و طراحانی است که باید از یک محصول یا شخصیت، چند نسخه ویدیویی هماهنگ بسازند. یک فروشگاه می‌تواند عکس‌های جلو و پشت لباس را به مدل بدهد و نمای کوتاهی از پوشیدن آن بسازد. یک برند می‌تواند یک تبلیغ پایه تولید کند و سپس پس‌زمینه، نسبت تصویر یا نور را برای رسانه‌های مختلف تغییر دهد.

امکان استفاده از حداکثر شش تصویر مرجع نیز به حفظ ظاهر شخصیت و محصول کمک می‌کند. مدل علاوه بر تصویر، صدای هم‌زمان تولید می‌کند و Google از بهترشدن گفت‌وگو، هماهنگی لب و تفکیک چند گوینده خبر داده است. بااین‌حال، اینها نتایج گزارش‌شده شرکت سازنده هستند و کیفیت واقعی می‌تواند با موضوع، زبان، نوع حرکت و کیفیت تصاویر مرجع تغییر کند.

اگر قبلاً از Gemini برای کار با فایل‌ها استفاده کرده‌اید، مقاله ویرایش مستقیم PDF و فایل‌ها در Gemini مسیر دیگری از کاربردهای عملی این سرویس را توضیح می‌دهد.

دسترسی، قیمت و وضعیت رایگان

مدل Gemini Omni 1.2 Flash اکنون از مسیر Gemini API و Google Cloud برای استفاده حرفه‌ای در دسترس عمومی است. کاربران عادی نیز می‌توانند کلیپ‌های پانزده‌ثانیه‌ای را در Google Vids با حساب Google یا اشتراک سازگار Google Workspace تولید کنند. عرضه در برنامه Gemini برای مشترکان Google AI Ultra به‌تدریج انجام می‌شود؛ بنابراین ممکن است گزینه آن فوراً برای همه حساب‌ها دیده نشود.

دسترسی از طریق Google Vids کاملاً نامحدود نیست. صفحه رسمی محدودیت‌های Google Vids نشان می‌دهد سقف تولید با نوع حساب فرق دارد. برای نمونه، برخی حساب‌های کاری ماهانه ۲۰۰ ثانیه و بعضی طرح‌ها ۵۰۰ ثانیه کلیپ هوش مصنوعی دریافت می‌کنند. مدیر یک حساب کاری یا آموزشی نیز می‌تواند این قابلیت را خاموش کند.

در استفاده فنی، هزینه اعلام‌شده برای خروجی 720p برابر ۰٫۰۷ دلار در هر ثانیه است؛ یعنی ساخت یک کلیپ پانزده‌ثانیه‌ای پیش از هزینه‌های جانبی حدود ۱٫۰۵ دلار می‌شود. امکان ساخت پیش‌نویس با وضوح 360p یا 720p و بزرگ‌کردن خروجی منتخب تا 1080p یا 4K وجود دارد. پس بهتر است ابتدا نسخه‌های ارزان‌تر ساخته شوند و فقط نتیجه نهایی با وضوح بالا خروجی گرفته شود.

محدودیت‌های مهم پیش از استفاده

نخست اینکه عبارت «رایگان» به معنی تولید نامحدود نیست. دسترسی Google Vids به سقف ماهانه حساب وابسته است و استفاده حرفه‌ای از مسیر فنی هزینه دارد. دوم اینکه بسیاری از قابلیت‌های هوش مصنوعی Google Vids فعلاً فقط به زبان انگلیسی عرضه شده‌اند و فهرست رسمی زبان‌های پشتیبانی‌شده، فارسی را برای چند قابلیت اصلی نشان نمی‌دهد.

همچنین ساخت ویدیو میان دو تصویرِ شروع و پایان فقط برای مدت سه تا ده ثانیه پشتیبانی می‌شود؛ انتخاب زمان بیشتر در این حالت خطا می‌دهد. بارگذاری یا ویرایش تصاویر دارای افراد زیر سن قانونی نیز در منطقه اقتصادی اروپا، سوئیس و بریتانیا محدود شده است. استفاده از نمونه صوتی در نسخه Google Cloud هم به تأیید جداگانه نیاز دارد.

خود Google نیز می‌گوید حرکت‌های ورزشی سریع، تغییرات ناگهانی در روایت و فیزیک پیچیده هنوز جای بهبود دارند. بنابراین حفظ شخصیت و محصول بهتر شده، اما تضمین نمی‌کند هر خروجی بدون خطا باشد. همه ویدیوهای ساخته یا ویرایش‌شده در برنامه‌های Google با نشان نامرئی SynthID مشخص می‌شوند تا منشأ هوش مصنوعی آنها قابل بررسی باشد.

جمع‌بندی

ارزش اصلی Gemini Omni 1.2 Flash در کنار هم قرارگرفتن سه قابلیت است: کلیپ پانزده‌ثانیه‌ای، حفظ بهتر جزئیات مرجع و ویرایش همان نتیجه با دستورهای بعدی. این ترکیب می‌تواند ساخت نسخه‌های مختلف تبلیغ، نمایش محصول و محتوای کوتاه را سریع‌تر کند. کاهش قیمت نیز برای تولید در تعداد بالا مهم است، اما محدودیت حساب، پشتیبانی زبانی و خطاهای احتمالی در حرکت‌های پیچیده را باید قبل از انتخاب آن در نظر گرفت.

پرسش‌های رایج

آیا Gemini Omni 1.2 Flash رایگان است؟

استفاده در Google Vids برای حساب‌های واجد شرایط بدون هزینه جداگانه ارائه می‌شود، اما سقف ماهانه دارد. استفاده از مسیر فنی Google Cloud یا Gemini API پولی است.

حداکثر مدت ویدیوی ساخته‌شده چقدر است؟

مدل می‌تواند ویدیوهای سه تا پانزده‌ثانیه‌ای بسازد یا ویرایش کند. حالت اتصال تصویر شروع و پایان به سه تا ده ثانیه محدود است.

آیا می‌شود یک ویدیوی قبلی را با دستور متنی ویرایش کرد؟

بله. می‌توانید در چند مرحله تغییرهایی مثل پس‌زمینه، نور، محصول یا نسبت تصویر را درخواست کنید و مدل تلاش می‌کند بقیه صحنه را ثابت نگه دارد.

آیا این مدل از زبان فارسی پشتیبانی می‌کند؟

Google پشتیبانی عمومی فارسی را برای قابلیت‌های اصلی Google Vids اعلام نکرده است. ممکن است دستور فارسی در بعضی مسیرها کار کند، اما برای پروژه حساس بهتر است زبان، گفتار و نوشته داخل تصویر جداگانه آزمایش شوند.

منابع رسمی