5 নভেম্বর 2026 সালে Google Gemini Omni 1.2 Flash-এর রোলআউট শুরু করেছে — ভিডিও তৈরি ও সম্পাদনার জন্য মডেলের একটি হালনাগাদ সংস্করণ। কোম্পানির অফিসিয়াল ব্লগ ও Cloud Blog নিশ্চিত করেছে যে মডেলটি এখন Gemini API, Gemini for Business এবং বেশ কিছু ভোক্তা পণ্যের মাধ্যমে উপলব্ধ।
মূল পরিবর্তনগুলো হলো — 1.1 সংস্করণের 10 সেকেন্ডের বিপরীতে ক্লিপের দৈর্ঘ্য 15 সেকেন্ড পর্যন্ত বৃদ্ধি, 720p রেজোলিউশনে প্রতি সেকেন্ড ভিডিওর মূল্য 30 % কমিয়ে 0,07 ডলারে নামানো, এবং বহু-ধাপ কথোপকথনভিত্তিক সম্পাদনা চালু করা। ব্যবহারকারী পুরো ভিডিওটি নতুন করে তৈরি না করেই ধাপে ধাপে বিবরণ স্পষ্ট করতে পারেন।
conversational editing প্রক্রিয়াটি একটি ক্লিপের মধ্যেই পটভূমি, আলো, বস্তু বা দৃশ্যকোণ পরিবর্তন করার সুযোগ দেয়। এটি পূর্ববর্তী পদ্ধতিগুলো থেকে মৌলিকভাবে আলাদা, যেখানে প্রতিটি পরিবর্তনের জন্য শূন্য থেকে নতুন জেনারেশন প্রয়োজন হতো। রেফারেন্স — ছবি, সংক্ষিপ্ত ভিডিও ও অডিও — ব্যবহারের সময় মডেলটি চরিত্র, বস্তু ও ব্র্যান্ড উপাদানের consistency আরও ভালোভাবে সংরক্ষণ করে।
Google-এর পদ্ধতিটি workflow-এর ওপর জোর দেয়: নিম্ন রেজোলিউশনে খসড়া, সংলাপে সম্পাদনা, তারপর 1080p বা 4K-তে upscale। এই ধরনের কৌশল খরচ কমায় ও পুনরাবৃত্তি দ্রুত করে, যা বিজ্ঞাপনী ভিডিও, ভার্চুয়াল ট্রায়াল ও ব্যাখ্যামূলক ভিডিওর ব্যাপক উৎপাদনের জন্য গুরুত্বপূর্ণ। তবে অফিসিয়াল উপকরণে প্রতিযোগীদের সঙ্গে তুলনামূলক বিস্তারিত বেঞ্চমার্ক বা স্বতন্ত্র third-party মূল্যায়ন অনুপস্থিত।
ভিডিও-জেনারেশনের পরিসরে এটি প্রথম দিকের Sora বা Luma Dream Machine-এর মতো একক-ধাপ মডেল থেকে দূরে সরে যাওয়ার একটি পদক্ষেপ। Google Gemini ইকোসিস্টেমের সঙ্গে একীভূতকরণ ও conversational control-এর ওপর ভরসা রাখছে, যা জেনারেশনকে চেনা সম্পাদনা প্রক্রিয়ার কাছাকাছি নিয়ে আসে। Omni 1.1-এর তুলনায় রেফারেন্সের প্রতি adherence এবং লিপ-সিঙ্কসহ কথার স্বাভাবিকতায় অগ্রগতি লক্ষণীয়।
ডেভেলপার ও ব্যবসার জন্য মূল্য হ্রাস এবং 3 থেকে 15 সেকেন্ড পর্যন্ত দৈর্ঘ্যের সুনির্দিষ্ট নিয়ন্ত্রণের সুযোগ নতুন পরিস্থিতির দ্বার খুলে দেয়। আগে 10 সেকেন্ডের সীমা জটিল আখ্যানকে সীমাবদ্ধ করত; এখন পরবর্তী সম্পাদনাসহ একবারেই পূর্ণাঙ্গ বিজ্ঞাপনী স্পট বা product explainer তৈরি করা সম্ভব।
দীর্ঘ ক্রমে দীর্ঘমেয়াদি consistency এবং বহু চলমান বস্তুসহ জটিল দৃশ্যে সাধারণীকরণের প্রশ্নটি এখনো খোলা। স্বতন্ত্র পরীক্ষা এখনো প্রকাশিত হয়নি, এবং উৎপাদনে প্রকৃত কর্মক্ষমতা নির্দিষ্ট কেসের ওপর নির্ভর করবে।
হালনাগাদটি দেখায় যে Google কেবল জেনারেশনের গুণমানেই নয়, কর্মপ্রবাহে ব্যবহারিক একীভূতকরণেও মনোযোগ দিচ্ছে, ফলে ভিডিও-এআই দৈনন্দিন ব্যবহারের হাতিয়ারের আরও কাছাকাছি আসছে।
