Google przyspiesza generatywne wideo. Premiera modeli Nano Banana 2 Lite oraz Gemini Omni Flash
Cztery sekundy. Tyle wystarczy, by nowy model Google wygenerował obraz w rozdzielczości 1K, wyceniając tę operację na skromne 0,034 USD. Gigant z Mountain View nie bawi się w subtelności i uderza w rynek narzędziami skrojonymi pod masową skalę i niskie koszty, udostępniając programistom modele Nano Banana 2 Lite oraz Gemini Omni Flash.
To ważny moment dla branży, bo Google oficjalnie domyka lukę między statyczną grafiką a dynamicznym wideo. Wprowadzenie tych modeli zmienia podejście deweloperów do automatyzacji procesów kreatywnych. Zamiast czekać na drogie i powolne renderowanie, firmy dostają do rąk narzędzia do błyskawicznego prototypowania treści, które od razu trafiają do API takich usług jak Google Photos, NotebookLM czy systemy reklamowe Google Ads.
Szybka ideacja za ułamek ceny
Model Nano Banana 2 Lite (w API występujący jako gemini-3.1-flash-lite-image) to następca architektury Gemini 2.5, w której priorytetem stała się wydajność. Google otwarcie komunikuje, że to ich najszybszy i najbardziej opłacalny model – generuje grafiki niemal w czasie rzeczywistym. Producent deklaruje wysoką precyzję w odwzorowywaniu tekstu oraz spójność postaci, co zazwyczaj bywało piętą achillesową lżejszych modeli. Według oficjalnych danych z Cloud Blog, rozwiązanie to jest już wdrażane w ekosystemie Google, ułatwiając życie twórcom korzystającym z Vertex AI.
Gemini Omni Flash: Wideo na żądanie przez API
Równolegle debiutuje Gemini Omni Flash, który przenosi multimodalne rozumowanie serii Gemini na grunt krótkich form wideo. Model pozwala na generowanie dziesięciosekundowych klipów na podstawie komend tekstowych, a jego użycie wyceniono na 0,10 USD za sekundę materiału. Jak twierdzi Google: „Gemini Omni Flash oferuje naturalną edycję wideo przy użyciu języka potocznego i łączy tekst oraz obraz w spójną animację”. System wykorzystuje szeroką wiedzę o świecie zawartą w algorytmach, by nadać ruchowi fizyczny sens, choć wciąż operuje w ramach limitu 10 sekund na klip.
Strategia „łańcuchowa” i bariery techniczne
Kluczem do pełnego wykorzystania nowości jest strategia łączenia obu modeli przez nowe Interactions API. Google zachęca deweloperów do tworzenia obrazów w Nano Banana 2 Lite, a następnie przesyłania ich jako materiałów referencyjnych do Gemini Omni Flash w celu animacji. Pokazano już pierwsze zastosowania: studio produktowe dla e-commerce oraz narzędzie do aranżacji wnętrz, które zamienia zdjęcie pustego pokoju w realistyczną wizualizację wideo.
Należy jednak zachować dozę krytycyzmu. Jak zauważają eksperci cytowani przez Chosun, „Gemini Omni Flash nie wspiera obecnie rozszerzania scen ani referencji audio, a obsługa plików wideo jako źródła jest wciąż niedopracowana”. Problemem pozostaje też spójność postaci przy gwałtownych ruchach kamery. Warto dodać, że wszystkie treści są automatycznie znakowane cyfrowymi znakami wodnymi SynthID, co ma ułatwić weryfikację ich pochodzenia poprzez Chrome czy wyszukiwarkę Google.
