Vũ Nguyễn✔
Writer
Ngày 6/11, Google DeepMind chính thức giới thiệu Gemini Omni 1.2 Flash, mô hình AI thế hệ mới chuyên tạo và chỉnh sửa video. Sản phẩm gây chú ý khi đứng đầu hai bảng xếp hạng tạo video từ văn bản và hình ảnh, vượt qua nhiều đối thủ như Grok Imagine Video 1.5 và Seedance 2.0, đồng thời giảm 30% chi phí so với thế hệ trước.
Gemini Omni 1.2 Flash có ba nâng cấp đáng chú ý: tạo video dài tối đa 15 giây, chỉnh sửa video bằng hội thoại nhiều lượt và khả năng tái hiện hình ảnh tham chiếu chính xác hơn.
Chi phí thấp hơn, thời lượng video dài hơn
Một trong những thay đổi đáng chú ý nhất là thời lượng video được nâng từ 10 giây lên 15 giây, tăng 50% so với Omni 1.1 Flash. Người dùng có thể tùy chỉnh độ dài từ 3 đến 15 giây, với mỗi lần điều chỉnh tăng 1 giây.
Chi phí tạo video độ phân giải 720p hiện còn 0,07 USD/giây (khoảng 1.850 đồng/giây), thấp hơn 30% so với thế hệ trước. Theo thông tin được công bố, mức giá này cũng thấp hơn đáng kể so với chi phí tạo video cùng chất lượng bằng Seedance 2.5.
Khả năng tái hiện hình ảnh và chỉnh sửa được cải thiện
Gemini Omni 1.2 Flash có khả năng sử dụng nhiều loại hình ảnh tham chiếu, bao gồm ảnh nhân vật, sản phẩm, phong cách, video ngắn tối đa 3 giây và tín hiệu âm thanh để định hướng quá trình tạo video.
Điểm đáng chú ý là mô hình có thể duy trì sự nhất quán về nhân vật, trang phục và các chi tiết hình ảnh xuyên suốt video, ngay cả khi thay đổi góc quay.
Trong một màn trình diễn, Google sử dụng ảnh người mẫu cùng hình ảnh mặt trước và mặt sau của ba bộ trang phục để tạo video thử đồ ảo dài 15 giây. Video có các góc quay 360 độ, đồng thời giữ được sự nhất quán về ngoại hình người mẫu và đặc điểm từng bộ trang phục.
Khả năng chỉnh sửa bằng hội thoại cũng được nâng cấp. Người dùng có thể yêu cầu thay đổi sản phẩm, phông nền, ánh sáng, thời tiết hoặc tỷ lệ khung hình nhiều lần trên cùng một video mà không phải tạo lại từ đầu.
Tính năng này đặc biệt hữu ích với doanh nghiệp và các nhóm quảng cáo cần sản xuất nhiều phiên bản video cho những nhóm khách hàng khác nhau.
Cải thiện âm thanh và chuyển động camera
Ngoài hình ảnh, Gemini Omni 1.2 Flash còn cải thiện khả năng tạo giọng nói, đồng bộ khẩu hình và phân biệt nhiều người nói.
Mô hình cũng hỗ trợ các chuyển động camera phức tạp như bay ngang, thu nhỏ góc nhìn hoặc di chuyển vòng quanh chủ thể. Trong một bản trình diễn, video mô phỏng góc quay FPV liên tục bay qua quảng trường và tiến vào khu vực mái vòm Pantheon mà không bị ngắt cảnh.
Người dùng có thể trải nghiệm ở đâu?
Người dùng doanh nghiệp có thể tiếp cận mô hình thông qua Gemini API, Google AI Studio và Google Cloud Console. Người dùng phổ thông có thể trải nghiệm qua ứng dụng Gemini, Flow và Google Vids, tùy theo phạm vi triển khai của Google.
Cuộc cạnh tranh video AI chuyển sang chi phí và hiệu quả sản xuất
Việc ra mắt Gemini Omni 1.2 Flash cho thấy cạnh tranh trong lĩnh vực tạo video bằng AI không còn chỉ tập trung vào chất lượng hình ảnh. Thời lượng video, chi phí tạo nội dung, khả năng chỉnh sửa và mức độ tích hợp vào quy trình sản xuất đang trở thành những yếu tố quan trọng.
Khi chi phí tiếp tục giảm, các ứng dụng như thử nghiệm nhiều phiên bản quảng cáo (A/B testing) hoặc tạo video riêng cho từng sản phẩm trong thương mại điện tử có thêm cơ hội triển khai ở quy mô lớn.
Đây có thể là bước tiến giúp video AI chuyển từ công cụ thử nghiệm sang một phần thực tế trong hoạt động sản xuất nội dung và kinh doanh.
Gemini Omni 1.2 Flash có ba nâng cấp đáng chú ý: tạo video dài tối đa 15 giây, chỉnh sửa video bằng hội thoại nhiều lượt và khả năng tái hiện hình ảnh tham chiếu chính xác hơn.
Chi phí thấp hơn, thời lượng video dài hơn
Một trong những thay đổi đáng chú ý nhất là thời lượng video được nâng từ 10 giây lên 15 giây, tăng 50% so với Omni 1.1 Flash. Người dùng có thể tùy chỉnh độ dài từ 3 đến 15 giây, với mỗi lần điều chỉnh tăng 1 giây.
Chi phí tạo video độ phân giải 720p hiện còn 0,07 USD/giây (khoảng 1.850 đồng/giây), thấp hơn 30% so với thế hệ trước. Theo thông tin được công bố, mức giá này cũng thấp hơn đáng kể so với chi phí tạo video cùng chất lượng bằng Seedance 2.5.
Khả năng tái hiện hình ảnh và chỉnh sửa được cải thiện
Gemini Omni 1.2 Flash có khả năng sử dụng nhiều loại hình ảnh tham chiếu, bao gồm ảnh nhân vật, sản phẩm, phong cách, video ngắn tối đa 3 giây và tín hiệu âm thanh để định hướng quá trình tạo video.
Điểm đáng chú ý là mô hình có thể duy trì sự nhất quán về nhân vật, trang phục và các chi tiết hình ảnh xuyên suốt video, ngay cả khi thay đổi góc quay.
Trong một màn trình diễn, Google sử dụng ảnh người mẫu cùng hình ảnh mặt trước và mặt sau của ba bộ trang phục để tạo video thử đồ ảo dài 15 giây. Video có các góc quay 360 độ, đồng thời giữ được sự nhất quán về ngoại hình người mẫu và đặc điểm từng bộ trang phục.
Khả năng chỉnh sửa bằng hội thoại cũng được nâng cấp. Người dùng có thể yêu cầu thay đổi sản phẩm, phông nền, ánh sáng, thời tiết hoặc tỷ lệ khung hình nhiều lần trên cùng một video mà không phải tạo lại từ đầu.
Tính năng này đặc biệt hữu ích với doanh nghiệp và các nhóm quảng cáo cần sản xuất nhiều phiên bản video cho những nhóm khách hàng khác nhau.
Cải thiện âm thanh và chuyển động camera
Ngoài hình ảnh, Gemini Omni 1.2 Flash còn cải thiện khả năng tạo giọng nói, đồng bộ khẩu hình và phân biệt nhiều người nói.
Mô hình cũng hỗ trợ các chuyển động camera phức tạp như bay ngang, thu nhỏ góc nhìn hoặc di chuyển vòng quanh chủ thể. Trong một bản trình diễn, video mô phỏng góc quay FPV liên tục bay qua quảng trường và tiến vào khu vực mái vòm Pantheon mà không bị ngắt cảnh.
Người dùng có thể trải nghiệm ở đâu?
Người dùng doanh nghiệp có thể tiếp cận mô hình thông qua Gemini API, Google AI Studio và Google Cloud Console. Người dùng phổ thông có thể trải nghiệm qua ứng dụng Gemini, Flow và Google Vids, tùy theo phạm vi triển khai của Google.
Cuộc cạnh tranh video AI chuyển sang chi phí và hiệu quả sản xuất
Việc ra mắt Gemini Omni 1.2 Flash cho thấy cạnh tranh trong lĩnh vực tạo video bằng AI không còn chỉ tập trung vào chất lượng hình ảnh. Thời lượng video, chi phí tạo nội dung, khả năng chỉnh sửa và mức độ tích hợp vào quy trình sản xuất đang trở thành những yếu tố quan trọng.
Khi chi phí tiếp tục giảm, các ứng dụng như thử nghiệm nhiều phiên bản quảng cáo (A/B testing) hoặc tạo video riêng cho từng sản phẩm trong thương mại điện tử có thêm cơ hội triển khai ở quy mô lớn.
Đây có thể là bước tiến giúp video AI chuyển từ công cụ thử nghiệm sang một phần thực tế trong hoạt động sản xuất nội dung và kinh doanh.
