معرفی نسل جدید هوش مصنوعی مولد گوگل
شرکت گوگل با انتشار به‌روزرسانی کلیدی در زیرساخت الگوریتم‌های خود، مدل هوش مصنوعی جدیدی به نام جمینای اومنی ۱.۲ فلش (Gemini Omni 1.2 Flash) را به ekosystem خود اضافه کرد. این نسخه به عنوان یک ابزار سریع و سبک، برای تسهیل تولید محتوا در پلتفرم‌های مختلف طراحی شده است و تمرکز اصلی آن بر افزایش کیفیت و مدت زمان خروجی‌های بصری است. مدتی است که کاربران منتظر بهبود در ظرفیت پردازش عکس‌ها و ویدیوها توسط مدل‌های لینگوانستیکی بودند که این بار با نسخه اومنی، گامی بلند در این راستا برداشته شده است.
گسترش ظرفیت تولید ویدیو تا ۱۵ ثانیه
یکی از برجسته‌ترین ویژگی‌های نسخه ۱.۲ فلش، افزایش مدت زمان ویدیوهای ساخته شده توسط هوش مصنوعی است. در حالی که نسل‌های قبل از این مدل معمولاً محدود به ساخت کلیپ‌های ۵ یا ۱۰ ثانیه‌ای بودند، نسخه جدید اجازه می‌دهد تا ویدیوهایی با طول ۱۵ ثانیه تولید شوند. این تغییر ظاهری کوچک، از نظر فنی معنای مهمی دارد؛ زیرا به کreationهای بصری اجازه می‌دهد تا روایتی بهتری داشته باشند و حرکات پیوسته‌تری در صحنه‌ها ایجاد کنند. این قابلیت به ویژه برای تولیدکنندگان محتوای کوتاه‌مدت در شبکه‌های اجتماعی همچون اینستاگرام و تیک‌تاک اهمیت زیادی دارد، زیرا زمان ۱۵ ثانیه استاندارد طلایی برای درگیری مخاطب است.
کاربردها و آینده مدل اومنی
مدل جمینای اومنی ۱.۲ فلش نه تنها برای توسعه دهندگان نرم‌افزاری، بلکه برای خلاقین عامه نیز دسترسی آسان‌تری فراهم می‌کند. با سرعت پردازش بالا که در نام «فلش» نهفته است، کاربران می‌توانند ویدیوهایی با جزئیات بالا و کمیابی کمتر در زمان کوتاه‌تری آماده کنند. انتظار می‌رود در نسخه‌های پایانی ۲۰۲۴، این مدل به صورت گسترده‌تری در دریا (یا سرویس‌های ب-to-b) نیز در دسترس قرار گیرد. همچنین باید توجه داشت که افزایش مدت ویدیو، هزینه‌های محاسباتی را نیز تحت تأثیر قرار می‌دهد، بنابراین گوگل باید راهکارهایی برای بهینه‌سازی مصرف انرژی کامپیوتراً ارائه دهد. در مجموع، ورود این مدل نشان‌دهنده رقابت فزاینده در حوزه هوش مصنوعی مولد چندمرحله‌ای (Multimodal) است و نشان می‌دهد که مرز بین متون تحریر و ویدیوهای تولیدی روز به روز کمرنگ‌تر می‌شود.
- امکان تولید ویدیو با کیفیت ۱۰۸۰ از نظر رزولوشن در پیش‌بینی‌های اولیه
- کاهش تأخیر در پردازش خروجی‌های صوتی و بصری
- سازگاری بهتر با فرمت‌های مختلف ویدیویی
- احتمال اضافه شدن پشتیبانی از ضبط صدا همزمان با تغیرات تصویر
پرسش‌های پرتکرار
اصلی‌ترین تفاوت بین جمینای اومنی ۱.۲ فلش و نسخه‌های قبل چیست؟
مهم‌ترین تفاوت افزایش بازه زمانی تولید ویدیو از ۱۰ ثانیه به ۱۵ ثانیه است که امکان روایت‌های پیچیده‌تر بصری را فراهم می‌کند.
آیا این مدل قابل استفاده برای تولید ویدیوهای طولانی است؟
خیر، این مدل در حال حاضر برای ویدیوهای کوتاه و میانی تا سقف ۱۵ ثانیه طراحی شده است و برای ویدیوهای بلندتر نیاز به اتصال همزمان چندین خروجی دارد.
