Ha eddig azt hitted, hogy a „valósághű” AI-videó még geekeknek való, az Omni Flash pont azt mutatja meg, mennyire közel került a hétköznapi felhasználáshoz — és mennyire könnyű vele átlépni a játékból a problémás tartományba.

Mi történt

A Google elindította az Omni nevű generatív modellcsalád első darabját, az Omni Flash-t, amely a vállalat Flow nevű AI-videógeneráló és -szerkesztő felületén érhető el. A nagy ígéret az „anything-to-anything” irány: hosszabb távon bármilyen bemenetből (szöveg, kép, videó) bármilyen kimenet készülhet. Egyelőre a fókusz a videón van.

Az Omni Flash több ponton lépne előre a korábbi Veo-hoz képest: nemcsak szövegből kérhetsz új klipet, hanem feltölthetsz egy meglévő videót is kiindulásnak, és ahhoz adhatsz instrukciókat. Emellett a modell célja, hogy jobban tartsa a karakterek következetességét (ugyanaz az arc/figura maradjon ugyanaz a jelenetről jelenetre), és több „valós világbeli tudást” használjon a generálásnál.

A gyakorlati tapasztalat vegyes: vannak jelenetek, amelyek érezhetően stabilabbak és jobban követik a promptot, de még a legjobb klipekben is felbukkannak a tipikus generatív videós „ugrások” — például a szereplő hirtelen más irányba fordul, vagy egy tárgy a vágások között megváltozik. Különösen beszédes, amikor egy kellék (például egy mézes üveg) a jeleneteken át folyamatosan alakot vált, mintha a rendszer nem ugyanazt az objektumot vinné tovább, csak „minden képkockán újra kitalálná”.

Miért fontos

Ez a fajta videó-„átírás” olyan, mint egy nagyon erős, de bizonytalan kezű vágóasszisztens: gyorsan összerak valamit, ami első pillantásra hihető, de ha figyelsz, előjönnek a következetlenségek. A gond ott kezdődik, hogy a belépési küszöb alacsony: egy szelfivideóból prompttal lehet olyan jelenetet kérni, mintha spagettit ennél, repülőn ülnél vagy turistáskodnál — és a The Verge benyomása alapján ez már most is meglepően meggyőző tud lenni. Ez nemcsak kreatív eszköz, hanem a félrevezetés (deepfake) skáláján is egy újabb lépcső: kevesebb technikai tudás kell, és a „bizonyítéknak tűnő” videó előállítása olcsóbbnak és gyorsabbnak érződik.

Mire figyelj

  1. Következetesség vs. hibák: nézd, mennyire tartja ugyanazt az arcot, tárgyat, ruhát, hátteret több snitten át. A „tárgy-metamorfózis” és a hirtelen orientációváltás továbbra is árulkodó jel.
  2. Szerkesztés költsége: a Flow kreditrendszerben áraz. A generálás hossztól és a bemeneti „összetevőktől” függően 15–40 kredit, egy szerkesztési kör pedig 40 kredit is lehet. Ez azt jelenti, hogy a finomhangolás (sok iteráció) könnyen drága pingponggá válik.
  3. Valós videó „megtoldása”: a legérzékenyebb terület az, amikor a modell valódi felvételbe illeszt AI-elemeket. Itt nem az a kérdés, hogy tud-e látványosat, hanem hogy a környezeted (munkahely, iskola, közösségi média) mennyire lesz felkészülve arra, hogy a videó már nem magától értetődően bizonyíték.

A következő hónapok kulcskérdése az lesz, hogy a modellek mennyire tanulják meg „ugyanazt a tárgyat” és „ugyanazt az embert” tényleg stabil identitásként kezelni — mert amint ez megbízhatóvá válik, a technológia társadalmi súlya is ugrik egyet.