Veo Omni Flash 1.2 вышла: 15 секунд и до 7 референсов уже есть, физика пока под вопросом
Новая видеомодель Google Veo Omni Flash 1.2 заняла 4-е место в моём тесте «текст в видео». В октябре я дал 12 видеомоделям один промпт про уличного повара с лапшой и поставил каждой оценку от 1 до 10....
Новая видеомодель Google Veo Omni Flash 1.2 заняла 4-е место в моём тесте «текст в видео». В октябре я дал 12 видеомоделям один промпт про уличного повара с лапшой и поставил каждой оценку от 1 до 10. У Omni Flash 1.2 получилось 8,5, а у прошлой версии, Veo Omni Flash 1.1, было 7 и 6-е место. Ролик у обеих стоит 21 токен.
Во втором моём тесте, «оживление кадра», модели получали три готовых кадра (портрет, стройку и банку) и оживляли их, а я считал итог из 100. Здесь Omni Flash 1.2 набрала 76,2, почти столько же, сколько Omni Flash 1.1. Оба теста я повторил для Omni Flash 1.2 на тех же промптах и кадрах и добавил три сцены на референсы. Ссылки на оба рейтинга внизу.
Ролик теперь длится до 15 секунд, а в SYNTX.AI в режим референсов можно загрузить до 7 картинок. Держит она их по-разному: в рекламе линейки из 6 упаковок удержала 4, а в ролике про зал с 7 тренерами у 3 сбились детали: волосы, татуировка, положение в кадре. С физикой пока не всё гладко: капли на банке стоят на месте, а боксёрская груша качается, хотя по ней никто не бьёт. Для черновика сцены по тексту за те же 21 токен у Omni Flash 1.2 оценка выше, чем у прошлой версии. А рекламу с жидкостью и линейку упаковок я бы проверял по кадрам: здесь модель ошибается заметнее, чем обещает Google.
В тесте «текст в видео» Omni Flash 1.2 выросла на 1,5 балла и обошла Kling 3.0 и Veo 3.1. В тесте «оживление кадра» она осталась пятой, сразу за Veo Omni Flash 1.1: портрет вышел заметно лучше, банка и стройка хуже. Цена за 8 секунд у обеих версий одна, 21 токен.
Google выпустил модель 5 ноября 2026 года. В анонсе она названа Gemini Omni 1.2 Flash, в SYNTX.AI - Veo Omni Flash 1.2. Главное по анонсу: длина клипа от 3 до 15 секунд с шагом в секунду (у Omni Flash 1.1 было до 10) и работа с референсами. Модели можно дать картинки персонажа, продукта и стиля, отрывок движения до 3 секунд и аудио. В SYNTX.AI режим References to Video берёт от 1 до 7 изображений, поэтому в сцене с залом 7 тренеров.
В анонсе обещают, что лица, одежда, надписи на упаковке и фирменные цвета держатся при смене ракурса, а продукты и реквизит не меняются от плана к плану. Слабые места Google называет сам: быстрый спорт, резкая смена сценария и сложная физика. Физику я смотрел на банке и на груше в зале, упаковки проверяет рекламная сцена.
Старые рейтинги я не перезапускал. В них 12 моделей прошли одинаковые задачи, поэтому Omni Flash 1.2 достаточно прогнать в тех же условиях и вписать строкой.
Тест «текст в видео». Промпт с лапшой из рейтинга от 11 октября, режим Text to Video, 8 секунд, 16:9, 720p, одна генерация. Оценка от 1 до 10 на глаз.
Тест «оживление кадра». Три сцены и те же кадры из рейтинга от 30 октября, промпты как в рейтинге: портрет в студии, стройка по двум кадрам, рекламная банка. 8 секунд, 16:9, 720p, одна генерация. Режима First Frame to Video, где задаётся один стартовый кадр, у Omni Flash 1.2 нет, поэтому я загружал кадр в режим Keyframes: в портрете и банке как первый, в стройке как первый и последний.
Референсы. Режим References to Video, 15 секунд, 16:9, 720p, одна генерация, 39,3 токена за ролик. Картинки для референсов я сделал в Nano Banana 2.1, промпты роликов на русском.
Про обиженных криэйторов, или Кто кому должен за нейросеть
Читаю очередную волну возмущения. Владельцы сайтов, художники, музыканты, фотографы — все те, кого объединяет емкое слово «криэйторы», — требуют сатисфакции. ИИ, видите ли, обучался возможно…
AMD объявила о начале поставок первых чипов на Zen 6 — они оказались вдвое быстрее Zen 5 в ряде тестов
AMD раскрыла дополнительные технические подробности об архитектурах Zen 6 и Zen 6c, которые лежат в основе процессоров EPYC 9006 Venice шестого поколения. Новые процессоры призваны составить…
Как агент улучшил себя, не тронув ни одного веса: разбираем The Trinity
26 октября на arXiv вышла работа The Trinity: Capability-Driven Recursive Self-Improvement for Multimodal Agents. Авторов 21, на странице Hugging Face указан Национальный университет Сингапу…
Поймай меня, если с прокси
Фрэнк Эбегнейл был гениальным мошенником за счет своей феноменальной наблюдательности и досконального (причем, приобретенного самостоятельно) знания чековых операций. То, что нам втюхивают с…