Gemini Omni 1.2 Flash Membenarkan Penyuntingan Video Perbualan

icon币界网
Kongsi
AI summary iconRingkasan
Google DeepMind telah melancarkan Gemini Omni 1.2 Flash, model yang menyokong penyuntingan video melalui bahasa semula jadi. Model ini menyokong input dan output multimodal serta menghasilkan video resolusi tinggi dengan audio, sesuai untuk alur kerja yang memerlukan pengulangan pantas dalam iklan dan pendidikan. Ciri keselamatan termasuk penanda air SynthID. Pedagang harus menilai nisbah risiko-keuntungan sebelum mempertimbangkan kesannya terhadap penciptaan kandungan. Butiran data latihan masih terhad, dan kemas kini ini menunjukkan peningkatan sederhana berbanding versi sebelumnya.
Laporan CoinWorld:

Serahkan satu video swafoto kepada model, kemudian katakan “permukaan seperti cecair beriak”, “tukar orang itu menjadi boneka”, “kekalkan ruangan dan gerakan asal”, kerja yang dahulu memerlukan editor video untuk menyelesaikannya secara bertahap pada garis masa, kini boleh dilakukan dengan bertanya berterusan seperti mengubah teks. Google DeepMind memperkenalkan kard model Gemini Omni 1.2 Flash pada 5 November, menggambarkan model ini sebagai mampu menghasilkan video resolusi tinggi dengan suara daripada input teks, gambar, audio, dan video, serta menyokong pengeditan berulang melalui perbualan semula jadi. Titik masuk untuk penghasilan video sedang berpindah dari panel perisian ke bahasa, tetapi ini juga membuat jejak pengeditan, kebenaran pengguna, dan kredibiliti fakta lebih sukar dikenal pasti secara visual.

Apakah penyuntingan dialog benar-benar menjimatkan apa-apa

Video yang dihasilkan secara tradisional biasanya “satu petunjuk, satu hasil”. Jika pencipta ingin mengubah gerakan karakter, cahaya, atau kamera, mereka sering perlu menghasilkan semula, dan karakter serta adegan versi sebelumnya mungkin berubah bentuk. Gemini Omni menekankan penyuntingan berterusan: setiap modifikasi dibina berdasarkan hasil putaran sebelumnya, dengan usaha mempertahankan kesinambungan adegan. Mekanisme ini memecahkan operasi yang kompleks menjadi siri niat yang boleh difahami, membolehkan pencipta secara berperingkat mendekati sasaran tanpa perlu terlebih dahulu mempelajari topeng, kerangka kunci, dan nod penyatuan.

Kad model menyenaraikan input yang mencakup teks, gambar, audio, dan video, dengan output berupa video beraudio. Halaman produk juga menunjukkan kesan menggunakan bahan rujukan untuk mengubah gaya visual, menulis semula tindakan, dan menambahkan suara. Ia tidak hanya mengurangkan masa penghasilan, tetapi juga kos ekspresi. Seorang pengarah boleh mula dengan menggambarkan "tokoh menyentuh cermin", kemudian menambahkan bahan, kesan suara, dan ritma kamera, tanpa perlu menulis petunjuk panjang yang sukar dikendalikan sekaligus.

Model versi pantas bukan ditujukan kepada sebuah filem

“Flash” bermaksud produk lebih menekankan kecepatan dan kos. Pasukan iklan, pencipta video pendek, studio permainan, dan penerbit kandungan pengajaran biasanya perlu menguji pelbagai versi dengan cepat: mengubah nisbah, bahasa, dan ritma bahan yang sama, kemudian memperbaikinya berdasarkan maklum balas. Jika model mampu mengekalkan keseragaman watak, dialog, dan gerakan dalam masa yang lebih singkat, maka iterasi berfrekuensi tinggi akan menjadi yang pertama diubah, bukan produksi besar sekali jadi.

Ini juga akan menyusun semula pembahagian tugas pasukan. Banyak tugas penyesuaian format dan sintesis awal yang sebelumnya dilakukan oleh tenaga pelaksana mungkin akan dialihkan terlebih dahulu kepada model; manusia akan fokus pada pemilihan adegan, mengawal ritma, memeriksa fakta, dan menangani hak cipta. Jawatan kreatif tidak akan hilang secara automatik kerana bilangan butang berkurang, tetapi palang pertahanan yang dibina oleh “kebolehan mengendalikan perisian tertentu” akan menjadi lebih nipis, sementara nilai memahami naratif, estetika, dan audiens akan meningkat.

Orang yang boleh mengubah suara, risikonya lebih besar daripada menukar latar belakang

DeepMind secara khusus menyatakan dalam kartu model bahawa kemampuan penyuntingan video boleh mengubah kandungan ucapan seseorang, dan kini terhadannya, sambil terus menyelidik cara membukanya dengan selamat. Pernyataan ini sangat penting. Menukar warna langit dan membuat seseorang yang benar-benar ada mengucapkan perkataan yang tidak pernah diucapkan sebelumnya bukanlah risiko yang sama. Yang terakhir mungkin melibatkan reputasi, penipuan, penyebaran politik, dan pencemaran bukti, dan semakin tinggi kualiti generasinya, semakin sukar pengguna biasa untuk menilainya secara intuitif.

Google menyatakan bahawa sistem menggunakan langkah-langkah keselamatan sebelum dan selepas latihan, serta menambahkan tanda air ke kandungan AI melalui SynthID. Tanda air ini memberikan petunjuk untuk pengesahan platform, tetapi ia bukan bukti mutlak: kemampuan pengenalan mungkin terjejas apabila video dipotong, ditranskode, atau difilmkan semula; aplikasi yang tidak menyokong pengesahan juga tidak akan memberi amaran automatik kepada penonton. Tata tertib yang berkesan benar-benar memerlukan pencatatan sumber, kebenaran individu, penandaan platform, dan mekanisme aduan penyalahgunaan bekerja bersama-sama.

Kad model juga mengungkapkan kekosongan maklumat

Kad model ini tidak menyenaraikan senarai lengkap data latihan, tetapi mengarahkan beberapa kandungan kepada model asas Gemini Omni Flash; bahagian hadapan yang diketahui juga terutamanya merujuk kepada bahan model asas. Untuk pencipta biasa, ini tidak menghalang percubaan; namun bagi peguam perusahaan, media dan institusi pendidikan, ia bermakna mereka masih perlu menjawab sendiri soalan-soalan seperti kebenaran data, ketersediaan wilayah, gambar orang dan tanggungjawab output.

Kad model juga menyatakan bahawa Omni 1.2 Flash tidak dianggap membawa lompatan kemampuan terkini yang signifikan berbanding Gemini 3.1 Pro atau 3.7 Flash, oleh itu penilaian keselamatan yang berkaitan terus digunakan. Ini adalah penilaian dalam klasifikasi risiko, bukan bermakna setiap skenario penyuntingan video telah disahkan. Risiko sosial daripada produk yang mampu mengubah suara dan gambar dalam skala besar lebih banyak datang dari ketersediaan, kelajuan, dan penyebaran, bukan semata-mata daripada sama ada model mencapai tahap kemampuan terkini tertentu.

Perisian video sedang berubah menjadi sistem niat

Alat video masa depan mungkin tidak lagi memerlukan pengguna untuk memulai dari kotak bahan, trek, dan filter, tetapi sebaliknya akan bertanya, "Apa yang ingin anda tunjukkan kepada penonton?" Model kemudian akan menterjemahkan satu ayat bahasa semula jadi menjadi kamera, trek audio, dan kesan. Pintu masuk seperti ini akan memberikan kemampuan berekspresi kepada lebih ramai orang dan menyebabkan bilangan video akhir meningkat secara drastik. Sumber yang langka seterusnya akan berpindah dari kemahiran penghasilan kepada sumber yang boleh dipercayai, bahan unik, dan tanggungjawab pengarang yang boleh dikenal pasti.

Yang paling patut diperhatikan tentang Gemini Omni 1.2 Flash bukanlah kemampuannya menghasilkan gambar yang semakin indah, tetapi bagaimana tindakan penyuntingan sedang berubah dari operasi manual menjadi perkhidmatan yang boleh berdialog dan dipanggil secara berterusan. Apabila rintangan kreatif menurun, platform dan pencipta mesti meningkatkan tahap bukti secara serentak: Siapakah wajah ini, suara siapa, bahagian mana yang telah diubah, dan bagaimana penonton boleh mengesahkannya. Jika tidak, alat penyuntingan yang paling mudah digunakan mungkin menjadi alat pemalsuan yang paling murah.

Penafian: Maklumat yang terdapat pada halaman ini mungkin telah diperoleh daripada pihak ketiga dan tidak semestinya menggambarkan pandangan atau pendapat KuCoin. Kandungan ini adalah disediakan bagi tujuan maklumat umum sahaja, tanpa sebarang perwakilan atau waranti dalam apa jua bentuk, dan juga tidak boleh ditafsirkan sebagai nasihat kewangan atau pelaburan. KuCoin tidak akan bertanggungjawab untuk sebarang kesilapan atau pengabaian, atau untuk sebarang akibat yang terhasil daripada penggunaan maklumat ini. Pelaburan dalam aset digital boleh membawa risiko. Sila menilai risiko produk dan toleransi risiko anda dengan teliti berdasarkan keadaan kewangan anda sendiri. Untuk maklumat lanjut, sila rujuk kepada Terma Penggunaan dan Pendedahan Risiko kami.