Google Vidsలో Gemini Omni మరియు వ్యక్తిగత అవతారాలు వచ్చాయి

Google రోజువారీ ఆఫీస్ సాఫ్ట్‌వేర్‌లోకి AI వీడియో సృష్టిని మరింత లోతుగా తీసుకువెళ్తోంది

Google తన Workspace వీడియో టూల్ అయిన Google Vids కోసం రెండు కొత్త AI ఫీచర్లను ప్రకటించింది: ప్రాంప్ట్ ఆధారిత వీడియో జనరేషన్ మరియు ఎడిటింగ్ కోసం Gemini Omni, అలాగే సెల్ఫీ మరియు వాయిస్ రికార్డింగ్‌తో డిజిటల్ ప్రతిరూపాన్ని సృష్టించే personal avatars. ఈ అప్‌డేట్, జనరేటివ్ మీడియా యొక్క తదుపరి దశను ప్రధాన ప్లాట్‌ఫారం కంపెనీలలో ఒకటి ఎక్కడ చూస్తుందో చూపిస్తుంది: ప్రత్యేక క్రియేటివ్ టూల్స్‌లో మాత్రమే కాదు, సాధారణ కార్యాలయ కమ్యూనికేషన్ ఉత్పత్తుల్లో కూడా.

ఆ మార్పు ప్రాముఖ్యత కలిగి ఉంది. జనరేటివ్ వీడియో చుట్టూ మొదటి వినియోగదారు ఉత్సాహంలో చాలా భాగం ఆకర్షణీయమైన చిన్న డెమోలు, మోడల్ సామర్థ్య పోటీలు, మరియు స్వతంత్ర క్రియేటివ్ వర్క్‌ఫ్లోలపై కేంద్రీకృతమైంది. Google యొక్క Vids అప్‌డేట్ దీనికన్నా ఎక్కువ ప్రాయోగిక దిశలో ఉంది. ఇది AI వీడియోను ఆఫీస్ మౌలిక సదుపాయంలా చూపిస్తోంది, అంతర్గత వివరణలు, ప్రెజెంటేషన్లు, మరియు సందేశ ఆధారిత క్లిప్‌లను తక్కువ ఉత్పత్తి సెట్‌ప్‌తో వేగంగా తయారు చేసే మార్గంగా.

Google పోస్టు ప్రకారం, Gemini Omni వినియోగదారులు సులభమైన text prompts మరియు image references ఉపయోగించి అధిక నాణ్యత గల క్లిప్‌లను సృష్టించడానికి, ఎడిట్ చేయడానికి అనుమతిస్తుంది. నేపథ్యాలను మార్చడం లేదా లైటింగ్ సరిచేయడం వంటి మార్పులను కావలసిన ఫలితాన్ని వివరించడం ద్వారా చేయవచ్చని కంపెనీ చెబుతోంది. మరోవైపు, personal avatars అనేవి ప్రతి సారి తమను తాము రికార్డ్ చేయకుండా వీడియోలో కనిపించాలనుకునే వినియోగదారుల కోసం రూపొందించబడ్డాయి. ఈ సెటప్ ఒక selfie మరియు voice sampleను ఉపయోగించి digital presenterను సృష్టిస్తుంది.

ఇది ఒక feature drop కంటే ఎందుకు ఎక్కువ

పైకి చూస్తే, ఇవి AI media tools crowded marketలో మరో product refresh లాగా అనిపించవచ్చు. కానీ అవి Google Workspaceలో ఉన్న స్థానం వల్లే వాటికి వ్యూహాత్మక బలం వస్తుంది. Workspace అనేది ఒక నిర్దిష్ట క్రియేటివ్ సూట్ కాదు. చాలా సంస్థలు ఇప్పటికే రాయడానికి, ప్రెజెంట్ చేయడానికి, ప్రణాళిక చేయడానికి, మరియు కలిసి పనిచేయడానికి ఉపయోగించే విధానంలో భాగం అది. వీడియో జనరేషన్ మరియు avatar ఆధారిత ప్రెజెంటేషన్ ఆ వాతావరణంలోకి వచ్చినప్పుడు, అవి సాధారణ వ్యాపార ప్రవర్తనగా మారడం సులభమవుతుంది.

ప్రాయోగిక ఆకర్షణ స్పష్టంగా ఉంది. చాలా కార్యాలయ వీడియోలు ఆలోచనల కొరతతో కాకుండా, సమయం, ఎడిటింగ్ నైపుణ్యం, మరియు కెమెరా ముందు సౌకర్యం లేకపోవడంతో పరిమితం అవుతాయి. ప్రాంప్ట్ ఆధారిత వ్యవస్థ clip creation‌కు ఉన్న అడ్డంకిని తగ్గిస్తుంది. Avatar clip‌లో కనిపించడానికి ఉన్న అడ్డంకిని తగ్గిస్తుంది. శిక్షణ, updates, onboarding, మరియు అంతర్గత ప్రకటనల కోసం ఇది frictionను గణనీయంగా తగ్గించగలదు.

ఈ టూల్స్ raw generationకే పరిమితం కావడం లేదని Google కూడా హైలైట్ చేస్తోంది. సహజ భాషలో మార్పులను వివరించి ఉన్న క్లిప్‌ను మెరుగుపరచే సామర్థ్యమే ఈ ప్రతిపాదనలో కేంద్రంగా ఉంది. దీని ద్వారా Google production మరియు post-productionను ఒక సంభాషణాత్మక workflowలో కలపాలని చూస్తున్నట్లు తెలుస్తోంది, ఇది పూర్తిగా cinematic generation demo కంటే సాధారణ ఆఫీస్ వినియోగదారులకు ఎక్కువ ఉపయోగకరంగా ఉండవచ్చు.

పారదర్శకత product కథలో భాగమవుతోంది

మూల వచనంలో అత్యంత ముఖ్యమైన వివరాలలో ఒకటి, ప్రతి AI-generated clip‌లో digital watermark ఉంటుందనే విషయం. AI తయారు చేసిన కంటెంట్ “transparent and honest” గా ఉండేందుకు ఇది పారదర్శకత మెకానిజంగా Google చూపిస్తోంది. ఈ పదజాలం ముఖ్యమైనది, ఎందుకంటే avatar మరియు video-generation tools authenticity, consent, identity, అలాగే ప్రేక్షకులను తప్పుదోవ పట్టించే ప్రమాదం వంటి సున్నితమైన సరిహద్దులకు చాలా దగ్గరగా ఉంటాయి.

వాటర్‌మార్కింగ్‌ను ముందుకు తెస్తూ, సౌకర్యం మాత్రమే సరిపోదని Google అంగీకరిస్తోంది. ఒక platform నమ్మదగిన సందేశం లేదా synthetic on-camera ఉనికిని సృష్టించడాన్ని సులభం చేస్తే, ఆ కంటెంట్ ఎలా గుర్తించబడుతుందో కూడా చూపాలి. వాస్తవంలో వాటర్‌మార్కింగ్ సరిపోతుందా లేదా అనే విషయం వేరే చర్చ, కానీ దాన్ని ఇక్కడ చేర్చడం ద్వారా provenance ప్రధాన product designలో భాగమవుతోందని, policy talking point మాత్రమే కాదని తెలుస్తోంది.

Personal avatar feature ఈ విషయంలో ప్రత్యేకంగా వెల్లడిస్తుంది. పదేపదే రికార్డింగ్ అవసరం లేకుండా పునరావృత updates ఇవ్వగల సామర్థ్యాన్ని corporate users స్వీకరించవచ్చు, కానీ avatar tools representation మరియు trustపై ప్రశ్నలను కూడా తీవ్రము చేస్తాయి. Google framing పూర్తిగా పనికే అనుగుణంగా ఉంది: camera setup చేయకుండానే లేదా ప్రతి సందేశాన్ని రికార్డ్ చేయకుండానే మీ వీడియోల్లో కనిపించడానికి custom digital avatarని సృష్టించండి. ఇది use caseను సంకుచితం చేస్తుంది, అయినప్పటికీ synthetic identityకి సంబంధించిన విస్తృత నైతిక ప్రశ్నలను పూర్తిగా తొలగించదు.

జనరేటివ్ మీడియాలో పెద్ద చిత్రం

ఈ అప్‌డేట్‌లు జనరేటివ్ వీడియో ఎంత వేగంగా frontier model showcase నుండి embedded utilityగా మారుతోందో చూపిస్తున్నాయి. Vids users ఇప్పటికే మిలియన్ల వీడియోలను సృష్టించారని, అలాగే మునుపటి అప్‌డేట్‌లలో Veo 3.1కు విస్తృత ప్రాప్యత కూడా ఉందని Google చెబుతోంది. Gemini Omni ఇప్పుడు జనరేషన్ మరియు ఎడిటింగ్‌ను రోజువారీ promptingకు మరింత దగ్గరగా తీసుకువచ్చి ఆ దిశను కొనసాగిస్తోంది. ఇది విజయవంతమైతే, పెద్ద office ecosystemsలో non-specialist video production ఎలా ఉంటుందో నిర్వచించడంలో సహాయపడుతుంది.

ఇక్కడ సూక్ష్మమైన కానీ ముఖ్యమైన market signal కూడా ఉంది. గెలిచే AI media products అనేవి వ్యక్తిగతంగా అత్యంత cinematic outputs కలిగినవే కాకపోవచ్చు. ప్రజలు ఇప్పటికే పనిచేసే చోట్లకు బాగా సరిపడేవే అవి కావచ్చు. ఆ అర్థంలో, Google model సామర్థ్యంతో పాటు distribution మరియు workflow integrationపై కూడా పందెం వేస్తోంది.

అర్హత సంబంధిత పరిమితులు ఇంకా ఉన్నాయి, మరియు టూల్స్ అందుబాటులో ఉన్నాయా లేదా వినియోగదారులు తనిఖీ చేయాలని source text చెబుతోంది. అయినప్పటికీ, దిశ స్పష్టంగా ఉంది. AI వీడియో సృష్టి ఇప్పుడు అపూర్వమైన సృజనాత్మక సంఘటనగా కాకుండా, business communication softwareలో సాధారణ featureగా ప్యాక్ చేయబడుతోంది.

ముఖ్యాంశాలు

• Google Vids‌లో ఇప్పుడు Gemini Omni మరియు personal avatars ఉన్నాయి.
• వినియోగదారులు text prompts మరియు image referencesతో క్లిప్‌లను సృష్టించగలరు లేదా ఎడిట్ చేయగలరు.
• పారదర్శకత కోసం AI-generated clip‌లలో digital watermark ఉంటుందని Google తెలిపింది.
• ఈ అప్‌డేట్ జనరేటివ్ వీడియోను రోజువారీ Workspace workflowలలోకి మరింత లోతుగా తీసుకువెళ్తుంది.

ఈ విడుదలలో అత్యంత ముఖ్యమైన విషయం, క్లిప్‌ను తయారు చేయడానికి లేదా ఎడిట్ చేయడానికి prompt టైప్ చేయడంలో ఉన్న కొత్తదనం కాదు. అది పని కోసం ఇప్పటికే వాడే టూల్స్‌లో ఆ ప్రవర్తనను సాధారణీకరించడం. జనరేటివ్ మీడియా కార్యాలయ defaults‌లోకి వచ్చేకొద్దీ, communication software మరియు content-production software మధ్య రేఖ మరింత సన్నగిల్లుతోంది.

ఈ వ్యాసం Google AI Blog నివేదిక ఆధారంగా ఉంది. మూల వ్యాసాన్ని చదవండి.