Gemini Omni 1.1 гледа десет секунди назад вместо една - и точно там се къса или държи сцената

Всеки, който е удължавал генерирано видео, познава мястото, където се къса. Осмата секунда.

Дотам всичко е наред, после якето сменя оттенъка си, ръката се появява от друга страна, светлината идва отляво вместо отдясно. Причината беше проста и досадна: моделът помнеше последната секунда от предишния кадър и продължаваше от нея. Една секунда не е контекст. Тя е моментна снимка.

Защо десет секунди са друга работа

Защото в десет секунди се събира достатъчно, за да се разбере какво всъщност гледаме: колко е далече камерата, накъде пада светлината, с каква инерция се движи човекът, кой цвят се повтаря. С една секунда моделът познава по последния кадър. С десет вече има поведение, което да продължи.

Другото добавено - задаваш първия и последния кадър, а моделът намира пътя между тях - е малко признание за това как реално се работи. В монтажната никой не мисли на подкани. Мисли се на изходна и крайна точка, а движението между тях е занаят.

Инструментът най-накрая пита накъде отиваме, а не само какво искаме да видим.

Къде остава ножицата

Четиридесет секунди не са сцена в киното, а най-много едно завършено движение. Реклама от 30 секунди вече е в обсега - но сглобена на стъпки по десет, не изляна наведнъж. Разликата има значение, а я писахме преди три дни от другата страна.

Ще го пробвам с наш материал, преди да кажа дали държи. Демонстрацията на производителя винаги е с кадри, които производителят е избрал.

Ако правиш кратко видео за клиент, погледни първо контрола за първи и последен кадър. Той е най-скучният от трите, и точно затова ще ти свърши най-много работа.

Визуалът към статията е генериран код-арт, без чужди изображения.