Gemini Omni 1.1 Flash получила управляемое продолжение видео и 4K

Из генератора клипов — в управляемый видеоконвейер

Google представила Gemini Omni 1.1 Flash как production-ready обновление генеративной видеомодели для разработчиков. Модель доступна через Gemini API в Google AI Studio и ориентирована не только на создание отдельного ролика по prompt, но и на последовательную работу со сценой: продолжение, переход между ключевыми кадрами, быстрые черновики и финальный upscale.

Главное изменение — больше явных управляющих сигналов. Разработчик может передать предыдущую генерацию, первый и последний кадры или короткое референсное видео, а затем выбрать разрешение результата. Это превращает API из однократного text-to-video вызова в основу монтажного интерфейса, storyboard-инструмента или media pipeline.

Название Flash здесь описывает продуктовый компромисс: быстрые итерации должны быть достаточно дешёвыми для перебора вариантов, а финальный кадр — пригодным для дальнейшей production-обработки. Google отдельно подчёркивает сценарии creative tools, media editing software и developer platforms.

Сцену можно продолжать до 40 секунд

Scene extension позволяет продолжить уже созданный ролик с того места, где он закончился. Omni 1.1 анализирует до 10 секунд предыдущего контекста вместо одной последней секунды у прежних моделей; Google связывает это с более устойчивой визуальной непрерывностью и следованием сюжету.

Каждое продолжение добавляет 10 секунд, а суммарная длительность цепочки может достигать 40 секунд. В API это оформлено через `previous_interaction_id`: новая генерация ссылается на предыдущий interaction и получает текстовую команду вроде `Continue the scene.`.

Практическое преимущество — возможность строить длинную сцену частями и менять направление после каждого фрагмента. Но накопительная генерация добавляет новую точку контроля качества: лицо, одежда, геометрия пространства и причинность нужно проверять не только в одном клипе, но и на каждом стыке.

Первый и последний кадры задают траекторию

Второй режим принимает стартовый и конечный keyframe и генерирует непрерывное движение между ними. Google предлагает использовать его для camera orbit, zoom transition и зацикленных роликов без заметного jump cut.

Это важное отличие от prompt-only генерации. Пользователь заранее фиксирует две визуальные границы, а модель решает промежуточную динамику. Такой подход удобен для интерфейса, где дизайнер выбирает опорные кадры, сравнивает несколько траекторий и оставляет человеку финальный выбор.

Omni 1.1 также принимает до трёх секунд референсного видео в multimodal input. Референс можно использовать как источник движения и визуального контекста, чтобы переносить характер танца или сохранять персонажей при создании общей сцены.

360p для перебора, 4K для результата

Для прототипирования Google добавила генерацию 360p. По данным компании, такой preview создаётся до 60% быстрее и стоит в три раза дешевле стандартного 720p, что делает его подходящим для storyboard и параллельного сравнения нескольких вариантов.

После выбора удачной версии модель может выдать 1080p или 4K. Разделение draft и final снижает стоимость неудачных попыток: дорогое разрешение используется после того, как композиция, движение камеры и содержание сцены уже согласованы.

Для продукта это подсказывает простой UX: сначала сетка дешёвых preview с одинаковым seed и изменением одного параметра, затем явное подтверждение upscale. Если сразу скрыть выбор режима за одной кнопкой, пользователь теряет и бюджетный контроль, и понимание того, какой этап занимает время.

Доступность и ограничения production-внедрения

Gemini Omni 1.1 Flash разворачивается в Google AI Studio и Gemini Enterprise Agent Platform; Google также указывает developer documentation, cookbook и prompting guides. Для конечных пользователей модель доступна в Google Flow подписчикам AI Plus, Pro и Ultra, а scene extension — в Gemini app.

Среди заявленных production-интеграций Google называет Adobe Firefly, Figma Weave, GMI Cloud и Runway. Эти примеры показывают наиболее естественную роль модели: не замена видеоредактора, а ещё один управляемый генератор внутри среды, где можно хранить референсы, ветвить версии и сравнивать результаты.

До масштабного запуска разработчикам стоит отдельно измерить стабильность персонажей на цепочке extensions, точность конечного keyframe, частоту визуальных артефактов после upscale, latency и реальную стоимость принятого ролика с учётом всех отброшенных drafts. Новые controls уменьшают случайность, но не отменяют проверку контента, прав на референсы и человеческое утверждение финального материала.