Google Gemini Omni, yeni Google Vids arayüzü üzerinden erişilerek, yapay zekanın üç ardışık video düzenlemesinden sonra tek bir özne-kuryeyi sabit tutup tutamayacağını görmek amacıyla uygulamalı bir laboratuvar testine tabi tutuldu.
Test neden önemli
Üretken video araçları, herkesin tek bir metin komutuyla arka planları değiştirebileceğini, ışık ekleyebileceğini veya efektler serpiştirebileceğini vaat ediyor. Bir içerik üreticisi için bu vaat basittir: ham bir kliple başlayın, “gece yağmur yağdır” yazın ve elinizde cilalanmış kısa bir video ile işinizi bitirin. Çoğu kullanıcı “kayma” (drift) maliyetini fark etmiyor; yani yapay zekanın her yeni talimatı yorumlamasıyla birlikte orijinal öznenin görünümünün, pozunun veya hareketinin kademeli olarak kaybolması. Eğer bir kuryenin yüzü ikinci düzenlemeden sonra hafifçe değişirse, nihai çalışma profesyonellikten uzak görünür ve maliyetli manuel temizlik gerektirebilir.
Deney
Temel klip – Lacivert bir rüzgarlık giyen, sol elinde küçük bir karton kutu tutan ve kameraya doğru iki adım atan bir kişinin sabit kamera ile çekilmiş stüdyo görüntüsü. Işıklandırma homojendi, arka plan sadeydi ve hareket basitti.
Düzenleme dizisi – Birbirini takip eden üç düzenleme uygulandı:
- Arka plan değişimi – Stüdyoyu gece vakti yağmurlu bir şehir sokağıyla değiştirin.
- Işık ayarlaması – Kuryenin etrafına mavi bir kenar ışığı (rim light) ve bir dükkan vitrininden gelen sıcak bir parıltı ekleyin.
- Atmosfer katmanı – Hafif yağmur damlaları ve ince bir buhar tabakası serpiştirin.
Bir “doğrudan kontrol” çalışmasında, üç talimat tek bir istemde (prompt) birleştirilerek yapay zekanın nihai klibi tek seferde oluşturması sağlandı.
Tutarlılık nasıl puanlandı
Puan tablosu, dört tema altında gruplandırılmış on iki kriterden oluşuyordu:
- Karakter stabilitesi – Yüz, saç ve kıyafetler aynı kalır.
- Sahne stabilitesi – Kamera açısı ve özne konumu sabit kalır.
- Düzenleme hassasiyeti – Yapay zeka, başka hiçbir şeyi değiştirmeden talimatı takip eder.
- Zamansal kalite – Hareket sırasında titreme (flicker), bükülme (warping) veya sarsıntı (jitter) oluşmaz.
Her klip; ilk karede, iki adımlık yürüyüşün orta noktasında ve son karede değerlendirildi. Puanlama net bir örüntü ortaya koydu.
Rakamlar ne söylüyor
Düzenlemeler üst üste eklendiğinde, yapay zeka puan tablosu kullanılarak değerlendirildi. Tek istemli kontrol grubu da aynı değerlendirmeyi aldı.
Kim kazanıyor, kim kaybediyor
Tek ve kapsamlı bir istem kullanma imkanı olan stüdyolar, daha akıcı bir iş akışı kazanır. Üretken video sistemlerinin geliştiricileri ise net bir mühendislik engeliyle karşı karşıya: Ardışık dönüşümler boyunca öznenin kararlı bir gizil temsilini (latent representation) koruma ihtiyacı.
Karşı görüş
Bazı kullanıcılar, kademeli düzenlemenin daha fazla yaratıcı kontrol sunduğunu savunuyor. Her seferinde tek bir öğeyi ayarlayarak, bir sonraki adıma geçmeden önce her katmanı ince ayar yapabiliyorlar. Test, bu esnekliğin görsel sadakatten (fidelity) ödün verdirdiğini gösteriyor. Eğer bir içerik üreticisi, ayrıntılı kontrol için özne üzerindeki küçük değişiklikleri kabul ediyorsa, mevcut Gemini Omni iş akışı hala uygulanabilir olabilir.
Sırada ne var
- İstemler arasında öznenin gizil kodunu (latent code) kilitleyen model iyileştirmeleri.
- İçerik üreticilerinin "kaymayı" işaretlemesine ve özneyi “yeniden sabitlemesini” (re-anchor) talep etmesine olanak tanıyan kullanıcı geri bildirim döngüleri.
Özet
Gemini Omni, eksiksiz bir talimat seti tek seferde verildiğinde cilalanmış, çok öğeli bir video üretebilir; ancak düzenlemeler üst üste eklendiğinde özne sadakati azalır.