Intelligence Artificielle
Gemini Omni 1.1 Flash : Google muscle son IA vidéo avec le 4K et des scènes de 40 secondes
Google vient de lancer Gemini Omni 1.1 Flash, une mise à jour majeure de son modèle de génération et d’édition vidéo par intelligence artificielle. Destinée aux développeurs, cette version ajoute davantage de contrôle sur les scènes, accélère les phases de test et vise une utilisation plus professionnelle via les outils de Google.
Une mise à jour centrée sur la création vidéo contrôlable
Google présente Gemini Omni 1.1 Flash comme une version prête pour la production de son modèle multimodal consacré à la génération et à l’édition vidéo. Le système accepte des instructions textuelles ainsi que des images et des vidéos de référence afin de produire de nouvelles séquences ou de modifier un contenu existant. Son fonctionnement repose sur une interaction conversationnelle, permettant d’affiner progressivement une scène sans devoir recommencer l’ensemble du processus à chaque modification.
Cette évolution cherche surtout à résoudre l’un des principaux problèmes des générateurs vidéo : le manque de continuité entre plusieurs plans. Les développeurs peuvent désormais travailler sur des séquences plus longues en conservant davantage de cohérence visuelle et narrative. Google cible ainsi les logiciels de montage, les plateformes de création de contenu, les outils publicitaires et les services capables d’intégrer des fonctions vidéo directement dans leurs flux de travail.
Extension des scènes et contrôle des images clés
La fonctionnalité la plus visible de cette version est l’extension de scènes, qui permet de prolonger une vidéo existante jusqu’à une durée cumulée de 40 secondes. Chaque génération individuelle reste limitée à des clips plus courts, mais les séquences peuvent être enchaînées afin de construire une scène plus longue. Cette approche donne aux créateurs la possibilité de développer une action, de maintenir un mouvement de caméra ou de faire évoluer progressivement un environnement.
Gemini Omni 1.1 Flash introduit également un contrôle plus précis du début et de la fin d’une séquence. Les utilisateurs peuvent fournir une première et une dernière image afin de guider la transition entre deux moments visuels. Les principaux apports annoncés comprennent notamment :
- L’interpolation entre deux images clés pour créer des transitions plus maîtrisées ;
- La prolongation de vidéos existantes avec une meilleure continuité des personnages et des décors ;
- L’utilisation de vidéos de référence pour orienter le style, le mouvement ou la composition ;
- L’édition par commandes conversationnelles, sans passer par une succession complexe de paramètres techniques.
Ce contrôle supplémentaire peut être particulièrement utile pour les contenus marketing, les storyboards animés et les prototypes de films. Il ne supprime toutefois pas les limites habituelles de la génération vidéo, notamment les variations involontaires dans les visages, les objets ou la géométrie des scènes. La qualité finale dépendra aussi de la précision des instructions et de la stabilité des éléments fournis en référence.
Des aperçus en 360p et une sortie pouvant atteindre la 4K
Pour réduire le coût et le temps d’itération, Google ajoute un mode d’aperçu en 360p. Les équipes peuvent ainsi tester rapidement une idée, vérifier le rythme d’une scène ou ajuster un mouvement avant de lancer une génération de meilleure qualité. Cette méthode devrait intéresser les studios et les développeurs qui doivent réaliser de nombreux essais avant d’obtenir un résultat exploitable.
Le modèle prend en charge des sorties allant jusqu’à la 4K, avec plusieurs niveaux de résolution intermédiaires. Les informations techniques publiées par Google indiquent également une fréquence de 24 images par seconde et des clips pouvant durer de quelques secondes à dix secondes par génération. La 4K répond surtout aux besoins de finition et de diffusion, tandis que les résolutions plus basses restent adaptées au prototypage et aux validations rapides.
Une disponibilité orientée vers les développeurs
Le modèle est accessible sous l’identifiant gemini-omni-1.1-flash dans l’API Gemini et dans Google AI Studio. Google le destine aux applications capables de générer, transformer ou monter des vidéos à partir de plusieurs types d’entrées. L’entreprise met également en avant son intégration dans ses outils destinés aux créateurs et aux organisations utilisant ses plateformes d’intelligence artificielle.
Pour les entreprises, l’enjeu sera de mesurer le rapport entre qualité, vitesse et coût d’utilisation. Le mode 360p peut servir de filtre économique pendant la conception, alors que les rendus haute définition seront réservés aux versions finales. Les équipes devront aussi surveiller la gestion des droits, la traçabilité des contenus générés et les risques liés à la création d’images réalistes représentant des personnes ou des marques existantes.