Kling 4! Gemini 4! ElevenLabs V4! Ideogram 4.5! Tudo chega ao quatro!

Autoria: Theoretically Media · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Kling 4! Gemini 4! ElevenLabs v4! Ideogram 4.5! Everything Goes Four! · Canal: Theoretically Media · 13:15 · Assistir no YouTube

Tópicos: Geração de conteúdo com IA, Modelos multimodais

Resumo

O vídeo apresenta testes iniciais do Kling 4 Flash, que mostra resultados promissores em geração de vídeo, consistência visual e sincronização labial, embora ainda tenha limitações. Também comenta o lançamento do modelo de vídeo da HeyGen e os benchmarks anunciados para o Gemini 4 Argon. O apresentador destaca os recursos de edição do Ideogram 4.5 e as melhorias de áudio do ElevenLabs V4. Vários desses lançamentos ainda estão em acesso antecipado ou aguardam uma distribuição mais ampla.

Pontos-chave

O Kling 4 Flash está em acesso antecipado para assinantes Ultra do plano anual; o lançamento mais amplo ainda é aguardado.
Nos testes, o Kling 4 lidou bem com diálogos e manteve a consistência visual, mas algumas ações pareceram estranhas.
O modelo parece ter resolvido o problema de dessincronização labial observado no Kling 3.0.
Combinar keyframes com referências Omni pode ajudar a orientar as performances; o Kling 4.0 aceita até 10 referências.
A HeyGen lançou um modelo de vídeo de uso geral baseado no MiniMax H3, com preços promocionais anunciados a partir de 1 centavo por segundo para 480p.
O Gemini 4 Argon foi anunciado com resultados fortes em benchmarks, incluindo 91,7 no teste de compreensão de vídeos longos LVB.
O Gemini 2.5 Flash Image, também chamado de Nano Banana 1, será descontinuado na Gemini API em 2 de outubro.
O Ideogram 4.5 dá ênfase à edição mais precisa de imagens.
O ElevenLabs V4 e sua versão Turbo trazem instruções em linguagem natural para geração de fala e áudio, incluindo risadas e efeitos sonoros.

Capítulos

Início	Capítulo	Resumo
00:00	Primeiros testes do Kling 4	O apresentador testa o Kling 4 Flash em geração de vídeo e observa seus resultados com diálogos, personagens e consistência visual.
06:56	HeyGen Video e Gemini 4 Argon	O vídeo aborda o preço e a disponibilidade do modelo da HeyGen e os benchmarks anunciados para o Gemini 4 Argon.
10:06	Nano Banana e Ideogram 4.5	O apresentador comenta a descontinuação do Gemini 2.5 Flash Image e testa brevemente os recursos de edição do Ideogram 4.5.
11:40	ElevenLabs V4 e áudio generativo	O vídeo apresenta as instruções em linguagem natural do ElevenLabs V4 e ouve uma amostra de narração de fantasia.
13:15	Encerramento	O apresentador conclui destacando a variedade de novidades de IA discutidas no vídeo.

Citações

É uma xícara de café e tanto. — 02:14

A grande vitória aqui é que o Kling 4.0 parece ter resolvido aquele problema de dessincronização labial que atormentava o Kling 3.0. — 05:22

O 4 parece ser bastante impressionante, com 91,7 no LVB, o teste de compreensão de vídeos longos. — 09:03

Não olhe para as chamas. O garoto desviou o olhar. Algo no fogo continuava observando. — 12:43

Conceitos e entidades

Kling 4 Flash (modelo): Modelo de vídeo da família Kling avaliado pelo apresentador em testes iniciais de texto para vídeo e imagem para vídeo.
Kling (ferramenta): Plataforma de geração de vídeo cujas versões 3.0 e 4.0 são comparadas no vídeo.
HeyGen Video (ferramenta): Modelo de vídeo de uso geral da HeyGen, descrito como baseado no MiniMax H3 e voltado a baixo custo e rapidez.
MiniMax H3 (modelo): Modelo de vídeo usado como base para o HeyGen Video, segundo o apresentador.
Gemini 4 Argon (modelo): Modelo anunciado pelo Google, apresentado no vídeo por seus resultados em benchmarks.
Google (empresa): Empresa que anunciou o Gemini 4 Argon e a descontinuação do Gemini 2.5 Flash Image na Gemini API.
Ideogram 4.5 (modelo): Modelo de imagem com foco anunciado em edição mais precisa.
ElevenLabs V4 (modelo): Modelo de áudio que aceita instruções em linguagem natural para orientar fala, risadas e efeitos sonoros.
ElevenLabs (empresa): Empresa que lançou o ElevenLabs V4 e uma versão Turbo para voz em tempo real e agents.
Nano Banana 1 (modelo): Nome informal usado no vídeo para o Gemini 2.5 Flash Image, cuja descontinuação na Gemini API foi anunciada.
Seed Audio 1.0 (modelo): Modelo de áudio mencionado como referência para comparar as capacidades do ElevenLabs V4.

Tradução completa (pt-BR)

00:00 Bem, hoje o quatro é seu número da sorte, com grandes atualizações de IA em todas as modalidades. Hoje vou dar uma primeira olhada no Kling 4, com alguns testes para ver em que pé ele está. Falando em quatro, o Google está de volta com o Gemini 4, o retorno do rei. Vamos ver. Além disso, mais atualizações com tema de quatro do Ideogram e da ElevenLabs. É, quatro. Esse é meio que o tema de hoje. Vamos começar. Bem, já faz um tempinho. Kling. A última grande mudança de versão da Big K foi em fevereiro, com

00:32 o lançamento do Kling 3.0. Tivemos o 3.0 Turbo em junho, mas, sim, quanto a uma geração totalmente nova, já fazia um tempo. Obviamente, havia muita expectativa pelo modelo V4 e, agora, ele chegou. Bem, mais ou menos, porque sim, o Kling 4 entrou em acesso antecipado, embora o lançamento mais amplo ainda esteja por vir. E, sim, infelizmente, este é o modelo Flash. O lançamento inicial do Flash é para assinantes Ultra do plano anual. Para

01:03 ser justo, isso não é incomum para o Kling. E teremos um lançamento completo do modelo maior, o paizão, previsto para algum momento de outubro. Mas, enquanto isso, vamos dar uma olhada no 4 como ele está hoje. Começando pelo lado de texto para vídeo, com nosso sujeito de terno azul prestes a levar uma multa por atravessar fora da faixa.

01:42 Então, no geral, para texto para vídeo, nada mal. Tem algumas ações meio estranhas, como o policial fazendo esse gesto. Não sei o que é isso. Acho que ele está tentando identificá-lo a partir de uma foto. De novo, não pedi isso, mas, sim, no geral, ficou bem sólido. Vamos passar para nosso outro teste padrão de imagem para vídeo: nosso agente do FBI tomando café num restaurante do noroeste do Pacífico.

02:14 >> Esse café está uma delícia. >> E a torta, como está? >> Está muito boa. É uma receita antiga da senhora do tronco, que a recebeu das corujas. >> No geral, nada mal. Os critérios de avaliação para este teste são basicamente dois. Primeiro: ele consegue lidar com todo esse diálogo? Neste caso, conseguiu, e com bastante folga. E, segundo, na imagem inicial, obviamente a garçonete está de costas para nós. Então, quando ela se vira

02:46 de volta, o modelo basicamente precisa inventá-la. E acho que fez um bom trabalho aqui. Mais do que isso, conseguiu manter a consistência estilística ao longo da cena. Não vou ignorar o fato de que provavelmente vocês vão notar alguma perda de coerência nessas gerações, mas lembrem-se de que estamos analisando o modelo rápido. Vamos falar daqui a pouco do modelo maior, o paizão, mas, enquanto isso, vamos passar para o lado Omni. Cada um dos modelos tem uma interpretação um pouco diferente de um personagem nos modos Omni e de referência. Tenho que dizer que, quando se trata da garota do lança-chamas,

03:17 a versão Omni dela no Kling sempre foi uma das minhas favoritas. Então, pensei: vamos dar um papel para ela e trazê-la de volta na versão 4. >> Ah, vocês não se esqueceram do meu aniversário, mas preciso apagar as velas para fazer meu pedido. >> Acertou em cheio. Os maiores problemas desta geração são que, quando ela entra pela primeira vez, obviamente a vela do bolo está acesa. Além disso,

03:49 tenho certeza de que tem alguém por aí chateado porque a própria vela não derreteu quando ela basicamente cobre toda a mesa de chamas. Ao mesmo tempo, claro, quero destacar que o prompt é bem absurdo. Outra coisa que queria comentar sobre esta geração em particular é a melhora um tanto perceptível na percepção espacial. Quando ela entra, a pia da cozinha está aqui e, mais tarde na geração, continua no mesmo lugar. Então, acho que ficou muito bem feito. Falando em lugares, pensei que esta

04:19 seria uma boa oportunidade para conferir como está Tuesday Sinclair Mallaloy, a quem escalei novamente para o papel de Tom. Aconteceu algo meio interessante aqui, no escritório de Mallaloy, para nossa cena de noir cinematográfico. >> Sr. Sr. Mallaloy, ouvi dizer que é detetive, e estou precisando de um. >> Ouviu errado. Não aceito mais casos. >> Acho que este caso em particular lhe interessaria. É um assassinato, mas

04:50 o problema é que ainda não aconteceu. >> Ah, é? Quem vai levar chumbo? >> Pois é, esse é o ponto. Você. >> Agora você me chamou a atenção. >> Algumas coisas para observar nesta geração em particular. No geral, acho que ela se sustenta. É uma montagem de câmera bem simples, mas as linhas de olhar combinam, então já é alguma coisa. Quero comentar que, por algum motivo, o modelo Omni do Kling decidiu colocar o Tom numa jaqueta cinza, que

05:22 na verdade não foi fornecida nem mencionada no prompt. Eu diria que a qualidade do vídeo, embora no momento seja só 720, está muito boa. Pessoalmente, acho as atuações um pouco sem emoção. Dito isso, a grande vitória aqui é que o Kling 4.0 parece ter resolvido aquele problema de dessincronização labial que assolava o Kling 3.0. >> Está muito boa. É uma receita antiga da senhora do tronco, que a recebeu das corujas.

05:52 >> Quanto à atuação — e é algo que preciso investigar melhor —, acho que dá para melhorá-la usando um método que tenho utilizado mais: combinar quadros-chave com uma referência Omni. Assim, você obtém o melhor dos dois mundos. E, para usar referências de quadros-chave, o 4.0 permite até 10 referências. >> Você está na minha luz. >> Estou procurando um monstro que levou uma menininha. >> Você não é o primeiro a perguntar isso esta noite,

06:24 mas acho que é você quem vai trazê-la de volta. Aqui, você vai precisar disto. >> Quanto? >> Você me paga na volta. >> Onde encontro? >> No beco à esquerda. Faça o que fizer, não tire a cruz. >> Tirando alguns problemas com o tempo dos cortes no começo do clipe, acho que este ficou bem coeso. Minha teoria é que fornecer quadros-chave dos personagens meio que ajuda o modelo a entender melhor como a atuação deve ser. Então, no geral, esta foi uma primeira olhada no Kling 4.0. Talvez não seja o matador do Seedance que alguns esperavam, mas com certeza volto a analisar tudo mais a fundo quando o modelo maior, essencialmente o paizão, for lançado. Enquanto isso, ainda falando de vídeo, só para mencionar rapidamente: a HeyGen lançou o HeyGen Video. Este é o primeiro modelo de vídeo de uso geral deles. É mais um modelo baseado no MiniMax H3. Estamos vendo muitos

06:56 desses. Mas a proposta da HeyGen é que ele seja barato e rápido. E barato mesmo. Os preços começam em 1 centavo por segundo. Quero destacar que isso é só uma promoção de lançamento com 50% de desconto, válida até o fim de outubro. Então, sim, o preço normal é de 2 centavos por segundo. Quero destacar que essa oferta de 1 centavo só vale para 480. Então, você pensa: “Ah, te peguei.” Mas a versão 720, ou melhor, 7,68, custa na verdade um centavo e meio durante a promoção. Então,

07:28 isso. Mas, olha, a proposta da Jen aqui é que seja barato e rápido. E quero dizer realmente barato. Os preços começam em 1 centavo por segundo. Quero destacar que isso é apenas uma promoção de lançamento com 50% de desconto, válida até o fim de outubro. Então, sim, o preço normal é de 2 centavos por segundo. Quero destacar que essa oferta de 1 centavo vale apenas para 480. Aí você pensa: “Ah, te peguei.” Mas a versão 720, ou melhor, 7.68, custa, na verdade, um centavo e meio durante a promoção. Então,

08:00 normalmente, 3 centavos. Então, quer dizer, não consigo ficar bravo com isso. Ainda não testei, mas é um fine-tune do Miniax H3, então dá para imaginar mais ou menos onde vai se encaixar. Atualmente, está disponível pela API deles, e a ComfyUI e a interface web do Hey Gen chegam mais tarde. Seguindo em frente: o gigante desperta. Sim, o Google voltou com o Gemini 4, mais ou menos. O Google anunciou o Gemini 4 Argon, e não vou mentir: quando vi isso pela primeira vez, achei que era Aragon e

08:32 fiquei pensando comigo mesmo: isso é ousado. Quer dizer, muito ousado. Mas não, é Argon. E vale notar, mais uma vez, que estamos falando de um anúncio, não de um lançamento amplo. No momento, o que temos são benchmarks. Os benchmarks são impressionantes, mas também são benchmarks. E o que esses benchmarks dizem? Bem, claro que dizem que o Gemini 4 está à frente da OpenAI e da Anthropic. Quer dizer, o que mais você acha que eles diriam? Agora, preciso apontar que, quando se trata de todos esses benchmarks, um dos superpoderes secretos do Gemini, em

09:03 geral, é sua compreensão de vídeo. E, neste caso, o 4 parece ser bastante impressionante, com uma pontuação de 91,7 no LVB, que é o teste de compreensão de vídeos longos. Quanto ao lançamento mais amplo, bem, não sabemos, mas não é segredo que o Google está meio preso ao Flash, pelo menos desde o Google IO. Então, é bom ver um modelo principal finalmente prestes a ser lançado amplamente. E, para mim, o mais importante é o que vem por trás dele, o que

09:34 vem depois, porque o modelo grande vai criar impulso para as coisas criativas que usamos, como o Nano Banana 2 Pro, possivelmente uma atualização do Genie e, se tivermos sorte, o Google decidir voltar à corrida dos vídeos, com um grande investimento no modelo Omni, no VO ou no Omni VO, ou seja lá o que for. Quer dizer, quem sabe com as convenções de nomes do Google? Outro aspecto que quero ver é o que o Google tem preparado para acompanhar essa nova categoria de assistentes agentic que está sendo lançada, como o Muse e o dot da Open AAI. Eles já tinham

10:06 lançado o Gemini Spark, mas, vamos encarar, não era isso. Enquanto isso, vamos sair da seção do Google. E, falando em Nano Banana, vamos fazer um brinde ao original. É, o Google agendou o encerramento do Gemini 2.0 2.5, desculpem, do Flash Image, que foi como tivemos nosso primeiro gostinho da banana. Esse é tipo o Nano Banana 1. Então, ele vai deixar de estar disponível na Gemini API em 2 de outubro. Seguindo em frente, mais uma notícia rápida sobre imagens. O Aiogram 4.5 foi lançado, e o foco aqui está em

10:38 edições mais precisas. Para ser sincero, ainda não tive muito tempo para experimentar o 4.5. Mas o Aiogram sempre foi um modelo muito sólido para mim, e eu definitivamente queria experimentar os recursos de edição. Então, abri esta imagem — meio engraçado. Ela foi gerada no audiogram há cerca de 10 meses, claramente na época do lançamento do Gemini 3. No geral, muitos dos problemas de imagem de IA de 10 meses atrás: bastante texto embaralhado aqui. Ele quase acertou o que quer que fosse aquele prompt, tirando o fato de estarmos tão oclusos. Então, fiz algumas correções no texto desta imagem e também inseri uma imagem da garota do lança-chamas, porque não? Só atualizando esse perfil de usuário. É, ficou bem sólido. Muito bem, audiogram. Com certeza vou continuar fazendo alguns testes com esse aqui. O Adio sempre foi muito sólido. Definitivamente, não acho que você deva ignorá-lo.

11:09 Então, é, vou contar como ele se encaixa no meu workflow. Para encerrar as novidades de áudio, a 11 Labs lançou o 114, junto com uma versão turbo para voz em tempo real e agents. Diálogos e som obviamente têm sido um problema para os vídeos de IA. Então, é bom ver a 11 Labs, para ser sincero, meio que alcançando o Seed Audio 1.0. Com o 11 Labs V4, você pode inserir instruções em linguagem natural diretamente no roteiro. E a 11 Labs diz que o novo modelo

11:40 segue melhor essas instruções, incluindo coisas como risadas e efeitos sonoros. Então, achei que esta seria uma boa oportunidade para voltar a um teste que fizemos há algum tempo. Acho que fizemos isso com o Seed 1.0. Basicamente, a abertura de um romance de fantasia épica em áudio. >> Na torre de vigia do norte, a neve sussurrava pelas seteiras. O velho vigia mantinha guarda ao lado de uma chama verde.

12:11 >> Caramba, está congelando. Por que estamos protegendo um fogo que não aquece? Não é para isso que servem as chamas, rapaz. Então, para que servem? Não encare as chamas. >> O garoto desviou o olhar. Algo no fogo continuava observando. >> No geral, esse é mais um modelo que vou explorar melhor. Acho que as referências de áudio nos modelos Omni Video vão ser algo bem importante, já que parece que ainda vai demorar até os modelos de vídeo alcançarem o áudio. O 11 Labs V4 está disponível agora, inclusive no

12:43 plano gratuito. Então, é isso, acesse e confira. É tudo por hoje, mas, no geral, foram atualizações impressionantes em todas as áreas. A temporada de outono da IA está começando a esquentar um pouquinho. E as folhas nem começaram a mudar de cor. Embora, acho que, quando o Zuck colocar o Metav Vision na cara de todo mundo, é, provavelmente poderemos simplesmente editá-las. Como sempre, agradeço por assistir.

13:15 plano gratuito. Então, sim, acesse e confira. É isso por hoje, mas, no geral, quero dizer, foram atualizações impressionantes em todas as frentes. A IA está começando a esquentar um pouquinho por aqui no outono. E as folhas nem começaram a mudar de cor ainda. Embora, pensando bem, quando o Zuck colocar o Metav Vision na cara de todo mundo, provavelmente vamos poder simplesmente editá-las. Como sempre, agradeço por assistir.

Transcrição original

[00:00] Well, today four is your lucky number with big AI updates across all the modalities. Today I’m taking a first look at Cling 4 with some tests to see where it lands. Speaking of four, Google is back with Gemini 4, Return of the King. We’ll see. Plus, more four themed updates from Ideogram and 11 Labs. Yeah, four. It’s a bit of a theme today. Kicking off. Well, it has been a minute. Cling. Uh the last big version jump for from the big K was back in February with

[00:32] the release of Clling 3.0. Now we did get 3.0 Turbo in June, but yeah, as far as a whole new generation goes, yeah, I mean it has been a while. Obviously, there has been a lot of anticipation for the V4 model and as of now, we have it. Well, kind of because yes, Cling 4 has entered early access, although the wider rollout is still yet to come. And yes, sadly, uh, this is the Flash model. Flash’s initial roll out is for Ultra subscribers on the annual plan. To be

[01:03] fair, this is not uncommon for Cling. And, uh, we’ll see a full roll out with the, you know, the larger Big Daddy model uh, planned sometime in October. But in the meantime, well, let’s take a look at at 4 as it stands today. Kicking off on the texttovideo side with our man in the blue business suit about to get a jaywalking ticket.

[01:42] So, overall, I mean, for text to video, not not so bad. Um, there is some like weird actions in there, like uh the police officer with this motion. I don’t I don’t know what that is. I definitely didn’t prompt for it. I think he’s like trying to ID him from a photo. Again, I didn’t prompt for it, but uh yeah, I mean, overall, pretty solid. Uh let’s move on to our other standard image to video test of our uh FBI agent uh having coffee in a Pacific Northwest diner.

[02:14] >> That’s a damn fine cup of Joe. >> But how’s the pie? >> It’s really good. It’s an old recipe from the log lady who got it from the owls. >> Overall, not too bad. The reason like the benchmarks for this test are really two things. One, can it handle all of that dialogue, which in this case it definitely did with room to spare. Uh and secondly, that in the initial image, obviously the waitress’s back is turned to us. So, you know, when she turns

[02:46] around, the model essentially has to invent her. Uh, and I think it did a pretty good job here and more than that managed to hold stylistic consistency, you know, throughout the scene. Now, I’m not going to discount the fact that you’re probably going to see some decoherence in these, but remember, we are looking at the fast model. Uh, we’ll talk about the, you know, the big the big daddy model in a little bit, but in the meantime, moving on to the Omni side of things. You know, each of the models all have sort of different takes on a character in their omni and reference modes. I do have to say when it comes to

[03:17] flamethrower girl, uh, Cling’s like omni version of her has always been one of my favorites. So, uh, you know, I figure let’s let’s give her a roll and bring her home in version 4. Oh, you guys didn’t forget my birthday, but I got to blow out the candles for my wish. Nailed it. So, biggest issues with this generation are that when she, you know, when she first walks in, obviously the

[03:49] candle is lit on the birthday candle. Additionally, I’m sure that someone out there is upset that the candle itself didn’t melt. Uh, you know, when she basically like flames over the entire tabletop. At the same time, of course, I want to point out that it’s a pretty silly prompt. Uh, the other thing I did want to note with this particular generation is the uh, you know, the somewhat improvement in spatial awareness. uh when she walks in uh our kitchen sink is here and then later on in the generation kitchen sink is in the same location. So I we pretty well done. Speaking of locations, I figured this

[04:19] would be a good chance to check in with uh Tuesday Sinclair uh Mallaloy who I did cast as Tom once again. Something kind of interesting happened here in of course like in Mallaloy’s office uh for our cinematic noir scene. >> Mr. Mr. Mallaloy, I hear you’re a detective and I’m in need of one. >> You heard wrong. I’m done taking cases. >> I think you’d be interested in this particular one. It’s a murder, but the

[04:50] thing is it hasn’t happened yet. >> Oh, yeah. Who’s getting iced? >> Well, that’s just it. You are. >> Well, you have my attention. >> So, a few things to note about this particular generation specially. I mean, I think it holds up. um you know it’s a it’s pretty simple in terms of like camera setups but um you know uh ey lines match so there’s that do want to note that interestingly for whatever reason uh Kling’s Omni model decided to put um Tom into a gray jacket uh that

[05:22] was actually that was not provided uh nor was it called out for in the prompt. I will say that video quality albeit it is only 720 right now is pretty good personally I mean I do find the performances to be a little bit on the flat side. That said, the big win here is that Cling 4.0 does seem to have solved that lip sync drift problem that was like just plagued Cling 3.0. >> It’s really good. It’s an old recipe from the log lady who got it from the owls.

[05:52] >> Now, on the performance side, and this is something that I do have to dig more into, but I think you can improve it by utilizing a method that I’ve been using a lot more, which is uh, you know, kind of combining key frames with an omni reference. you’re kind of getting the best of both worlds. Uh, and for uh, you know, key frame referencing, uh, 4.0 does allow up to 10 references. >> You’re standing in my light. >> I’m looking for a monster that took a little girl. >> You’re not the first to ask tonight,

[06:24] but I think you’re the one that will bring her home. Here, you’ll need this. >> How much? You’ll pay me on the way back. >> Where do I find it? >> Down the alley to the left. Whatever you do, don’t take off the cross. >> So, aside from some edit timing issues at the beginning of the clip, I mean, I do think that this one holds together pretty well. Uh, you know, my my running theory is that by providing it key frames uh for your characters, it kind

[06:56] of gives a the model a better grip on what the performance should, you know, should should feel like. So yeah, I mean overall an early look at Cling 4.0. Maybe not the Sea Dance Killer that some had hoped for, but I’ll definitely roll back with a deeper look at everything once, you know, essentially the big daddy model drops. Meanwhile, and staying on video for just kind of a quick one. Uh Heyen have released Hey Gen Video. This is their first uh general purpose video model. It is another one that is built off of Miniax H3. We are definitely seeing a lot of

[07:28] those. But hey Jen’s pitch here is that it is cheap and fast. And I do mean really cheap. Pricing starts at 1 cent a second. I do want to point out that this is just a 50% off launch sale going through the end of October. So, uh yes, the the the regular price is 2 cents a second. I do want to point out that this 1 cent offer uh is only 480. So, you’re like, “Ah, I got you there.” Um but the 720 version or well 7.68 um is actually a cent and a half during the sale. So,

[08:00] uh, you know, 3 cents normally. So, I mean, I really can’t get mad at that. Now, I haven’t tested it out, but you know, it is a Miniax H3 fine-tune, so you know, you can kind of figure where it’s going to land. Uh, it is currently available via their API and, uh, comfy UI and Hey Gen’s web interface will be coming later. Moving on, the Giant Awakens. Yes, Google has returned with Gemini 4 sort of. Google have announced Gemini 4 Argon, which I’m not going to lie, initially when I saw it, I thought it it was uh I thought it was Aragon and

[08:32] I just kept thinking to myself, and that is bold. I mean, very bold, but no, it is Argon. And you know, to note, once again, this is more on the announced side as opposed to the widely released side. Uh and at the moment, you know, what we’re looking at is benchmarks. Uh the benchmarks are impressive, but also they are benchmarks. Now, what do those benchmarks say? Well, of course they say that Gemini 4 is ahead of OpenAI and Anthropic. What I mean, what else do you think it’s going to say? Now, I do have to point out that when it comes to all of these benchmarks, that one of the secret powers of, you know, Gemini in

[09:03] general is its video understanding. And in this case, uh, 4 does look to be pretty impressive, scoring a 91.7 on LVB, which is the test for long- form video comprehension. Now, as to when this rolls out more broadly, well, we we do not know, but I mean, it’s no secret that Google has been kind of stuck in flash land, at least since Google IO. So, it’s nice to see a flagship model finally on the verge of being widely released. And I mean to me the bigger thing is what what’s behind it, what’s

[09:34] going to follow it because the big guy model will create some momentum behind you know the creative stuff that we use stuff like you know Nano Banana 2 Pro possibly a Genie update and if we’re lucky Google decides to get back into the video race and we’ll see more of a major push with the like Omni model or VO or omni VO or whatever it’s I mean who knows with Google naming conventions. Other spot that I’m curious to see what Google has in store is to match this new class of like aentic assistants rolling out like Muse and Open AAI’s dot. Uh they had previously

[10:06] released Gemini Spark, but I mean let’s face it, that wasn’t it. In the meantime, rolling out of the Google section. And speaking of Nano Banana, poor one out for the OG. Yeah, Google has scheduled the shutdown of Gemini 2.0 2.5, I’m sorry, Flash Image, uh which was like the our first taste of the banana. This is like Nano Banana 1. Um, so that is going away in the Gemini API on October 2nd. Moving on, another quick hit on the image side. Uh, Aiogram 4.5 has released and the focus here is on

[10:38] more precise editing. To be honest, I haven’t gotten a ton of time to play around uh, with 4.5 as of yet. But, I mean, Aiogram has been it’s always been a really solid model for me, but I definitely wanted to give the editing capabilities a shot here. So, I pulled up this image uh kind of kind of funny. Uh this was generated in audiogram about 10 months ago and clearly around the uh the time of Gemini uh 3’s release. Um you know, overall a lot of the well 10-month-old uh the AI image problems, a

[11:09] lot of like garble text here. Um it did get almost almost whatever that prompt was correctly uh minus the fact that it’s we’re so ocoped. So, making some text edit corrections on this uh and uh throwing in a image of flamethrower girl because why not? Just updating that uh that user profile. Um yeah, I mean pretty solid. Yeah, well done audiogram. I’ll definitely keep writing some tests on this one. Um Adio, they’ve always been super solid. I definitely don’t think that you should sleep on this one.

[11:40] So, um yeah, I’ll let you know uh as it works its way into my workflow. Finally, rounding out on the audio side, 11 Labs have released 114 along with a turbo version for real-time voice and agents. Dialogue and sound have obviously been a bit of a bane uh at this point for AI video. So, it is nice to see 11 Labs, I mean to be honest, kind of catching up with seed audio 1.0. So, with 11 Labs V4, you can put in well natural language direction uh directly into the script. And 11 Labs does say that the new model

[12:11] is better at following those instructions, including things like laughter and sound effects. So, I figured this would be a good opportunity to return to a test we ran uh a while back. I think that we did this with Seed uh 1.0. Um, essentially the opening to a high fantasy uh audio novel. >> At the northern watchtower, snow whispered through the arrow slits. The old watchman kept vigil beside a green flame.

[12:43] >> God, it’s freezing. Why are we guarding a fire that gives no heat? That’s not what the flames for, lad. Then what’s it? Don’t stare into the flames. >> The boy looked away. Something in the fire kept watching. >> Overall, this is another one that I’ll be digging more into. I think that audio references in Omni Video models are going to be a pretty big thing as it does seem to be a while for video models to catch up on the audio front. 11 Labs V4 is available now, including on the

[13:15] free tier. So, yeah, head over, go check it out. So, that’s it for today, but overall, I mean, impressive updates across the board. Uh, you know, starting to get a little bit toasty here in AI Fall. And the leaves haven’t even started changing color yet. Although, I guess once Zuck has Metav Vision strapped to all of our faces, yeah, we could probably just edit them in. As always, I thank you for watching.