A Picsartban elérhető a Gemini Omni 1.1 Flash, 4K videóval

A hang a videóval együtt készül

A Picsart 2026. augusztus 31-i közleménye szerint a Gemini Omni 1.1 Flash legfontosabb újdonsága a nagyobb felbontás. Az első Gemini Omni legfeljebb 720p-s videót készített, az új változat már 1080p és 4K kimenetet is kínál. A képarány lehet fekvő vagy álló, 16:9, illetve 9:16, a klipek hossza pedig bármely egész másodperc lehet három és tíz másodperc között.

A Picsart leírása szerint a modell a hangot a képkockákkal párhuzamosan állítja elő. Ehhez nem kell külön hangfájlt megadni, és nincs szükség önálló beszédszintetizátorra vagy hanghatáskönyvtárra sem. A felhasználó szövegben írhatja le, minek kell hallatszania, például a beszédet, a zenét, a környezeti hangokat vagy a hangeffekteket. A vállalat példái szerint így a beszéd illeszkedhet a szájmozgáshoz, a lépések a képen látható mozdulathoz, a helyszín zaja pedig a jelenethez.

Szöveges utasításokkal módosítható a kész klip

A Gemini Omni 1.1 Flash egyik kiemelt funkciója, hogy a már elkészült videó is módosítható egyszerű szöveges kérésekkel. A Picsart példái között szerepel egy piros autó feketére cserélése, egy logó eltávolítása a ruháról, egy kabát átszínezése, illetve egy elhangzó mondat bocsánatkérőbbé tétele.

A közlemény szerint a modell csak a kérés által érintett képkockákat írja át, a többi részt változatlanul hagyja. Ez olyan munkafolyamatot tesz lehetővé, amelyben a javításokat újabb mondatokkal lehet kérni, ahelyett hogy minden alkalommal teljesen új videót kellene létrehozni.

A Picsart külön kiemeli a képen megjelenő szöveg kezelését is. A vállalat szerint a feliratok, hirdetések cselekvésre ösztönző szövegei, táblára írt egyenletek, termékcímkék és magyarázó videók alsó információs sávjai a mozgás közben is olvashatók maradnak.

Több referencia, képkocka és nagyobb felbontás

A Gemini Omni 1.1 Flash egy generálásban legfeljebb öt referenciaképet és három referenciavideót fogad. A felhasználó külön megadhatja a kezdő- és a záróképkockát, továbbá meglévő felvétel folytatását is kérheti. Az első Gemini Omni egy referenciaképet támogatott, és nem kínált külön kezdő- vagy záróképkockát.

A nagyobb felbontás a Picsart szerint azoknak lehet fontos, akik 720p fölötti anyagokat készítenek, például fizetett hirdetésekhez, kezdőoldali bannerekhez, rendezvényképernyőkhöz vagy műsorszórási betétekhez. A 4K-s fekvő videóból a leírás szerint élesebb álló kivágás is készíthető, és több részlet maradhat a színkorrekció vagy a stabilizálás után.

A modell a Picsart AI Playgroundban érhető el

A Gemini Omni 1.1 Flash a Picsart AI Playground modellmenüjében található meg a teljes nevén. A Picsart szerint a Playground egyetlen felületen 32 szolgáltató 176 mesterségesintelligencia-modelljét kínálja. A közlemény alapján a modellek ugyanazon kredit-egyenleggel használhatók, a modellenkénti ár pedig előre látható.

A használathoz a Picsart AI Playgroundban kell kiválasztani a modellt, majd szöveges utasítást kell megadni. A referenciaképek, referenciavideók, valamint a kezdő- és záróképkockák opcionális kiegészítők. A hang leírását a promptban kell megadni, mivel a modell bemenetként nem fogad hangfájlt.

A frissítés így elsősorban azoknak kínál új lehetőséget, akiknek a videó mellett már az első generálásnál hangra, 1080p vagy 4K felbontásra, illetve többszöri, szövegesen irányítható módosításra van szükségük.