Googleは11月5日、動画生成・編集モデル「Gemini Omni 1.2 Flash」を公開し、Gemini APIとGoogle Cloud向けに一般提供を開始した。Gemini Omniが一般提供となるのは今回が初めてとなる。

最大の変更は生成尺だ。従来の1.1 Flashでは最長10秒だったが、1.2 Flashではネイティブで15秒まで生成・編集でき、3〜15秒の範囲を1秒単位で指定できる。720pの料金は1秒あたり0.07ドルで、1.1から30%引き下げられた。360pや720pで下書きを作り、細部を直してから1080pや4Kへ拡大する使い方も案内されている。

参照への追従も強化された。人物や商品、画風の画像に加え、最長3秒の動きのクリップや音声の手がかりを組み合わせられる。顔や衣装、パッケージの文字、ブランドカラーをカメラ角度が変わっても維持しやすいという。

生成後の編集では、同じクリップに対して会話形式で指示を重ね、商品や背景の差し替え、照明や天候、縦横比の変更ができる。人物や小物、場面の一貫性、音声の自然さと口の動きの一致、複数話者の区別、連続したカメラワークも改善点として挙げられた。一方で、速いスポーツ動作や急な脚本変更、複雑な物理現象は引き続き開発中としている。

提供先はGoogle AI StudioやGemini API、Google Cloudコンソールのほか、Flow、Google Vids、Google Adsに広がる。GeminiアプリではGoogle AI Ultra加入者向けに順次展開する。出力には知覚できないSynthIDの透かしが入る。

出典・関連資料

コメント 公開後に受付予定

記事の内容について意見・情報をお寄せください。投稿は確認後に表示されます。

コメント投稿・いいねは現在停止しています。