Google Gemini Omni Flash soán ngôi đầu bảng xếp hạng tạo video của Artificial Analysis

Google Gemini Omni Flash ra mắt ở vị trí số 1 trên bảng xếp hạng Text to Video (Văn bản thành Video) và Image to Video (Hình ảnh thành Video) của Artificial Analysis, vượt qua Seedance 2.0 của ByteDance ở cả hai hạng mục.

Gemini Omni Flash là mô hình đầu tiên thuộc dòng Gemini Omni của Google, được công bố tại sự kiện Google I/O vào tháng 5 và mở quyền truy cập cho nhà phát triển dưới dạng bản xem trước công khai vào ngày 30 tháng 6. Google định vị Omni là một mô hình đa phương thức (multimodal) nguyên bản có khả năng "tạo ra bất cứ thứ gì từ bất kỳ đầu vào nào", bắt đầu với video: nó chấp nhận đầu vào là văn bản, hình ảnh và video, tạo ra các đoạn clip kèm âm thanh gốc, đồng thời hỗ trợ chỉnh sửa hội thoại, cho phép các câu lệnh thay đổi video trong khi vẫn giữ nguyên các phần còn lại của cảnh quay. Gemini Omni Flash tạo ra các clip dài từ 3 đến 10 giây ở độ phân giải 720p và 24 FPS, với tỷ lệ khung hình 16:9 hoặc 9:16, và sẽ sớm hỗ trợ thời lượng dài hơn.

Trong Video Arena của Artificial Analysis, Gemini Omni Flash ra mắt ở vị trí số 1 trên cả bảng xếp hạng Text to Video và Image to Video, dẫn trước sát sao Seedance 2.0 của ByteDance ở mỗi hạng mục.

Gemini Omni Flash có giá 0,10 USD cho mỗi giây video được tạo (6,00 USD mỗi phút), ngang bằng với Veo 3.1 Fast. Mức giá này áp dụng tương đương cho cả Text to Video và Image to Video.

Mô hình hiện đã có sẵn trên Gemini API, Google AI Studio và Gemini Enterprise Agent Platform, trong ứng dụng Gemini và Google Flow cho người dùng cá nhân, và miễn phí trên YouTube Shorts cùng ứng dụng YouTube Create.

Xin chúc mừng @GoogleDeepMind về đợt ra mắt này!

Xem bên dưới để biết các so sánh giữa Gemini Omni Flash và các mô hình hàng đầu khác trong Video Arena của Artificial Analysis 🧵