Google、動画生成モデル「Gemini Omni 1.2 Flash」を一般提供 15秒対応で価格は30%引き下げ

Google、動画生成モデル「Gemini Omni 1.2 Flash」を一般提供 15秒対応で価格は30%引き下げ
出典:Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips

Googleは、動画生成モデル「Gemini Omni 1.2 Flash」の提供を開始し、Gemini APIとビジネス向けの「Gemini for business」で一般提供とすると発表しました。記事の署名はGoogle DeepMindのプロダクトマネージャー、アニッシュ・ナンギア氏です。新モデルは15秒の動画をネイティブで生成でき、複数回のやり取りで編集する機能や、参照素材への追従性を高めた点が特徴です。同社によると、価格は従来のGemini Omni 1.1から30%下がり、720p動画で1秒あたり0.07ドルになりました。

動画の長さは従来の10秒から最大15秒に延びました。3秒から15秒まで1秒単位で長さを指定できるため、商品の紹介動画やSNS向けの広告を1回の生成でまとめて作れるとしています。コストを抑える手順として、360pや720pで素早く下書きを作り、細部は追加の編集で直し、仕上がりの良い作品を1080pや4Kに引き上げる流れを紹介しています。

参照素材への追従も強化されました。キャラクター、商品、スタイルの画像に加え、最長3秒の短いモーション映像や音声の手がかりを組み合わせて生成を誘導できます。同社は、顔や衣服、パッケージの文字、ブランドカラーがカメラアングルが変わっても保たれると説明しています。既存の商品写真やキャラクターシートから、バーチャル試着や広告動画を作る用途を挙げています。

最初から最後のフレームまでの一貫性も改善したとしています。動きやカメラの切り替えでの見た目の崩れが減り、最初と最後のキーフレームをつなぐ場合や、クリップを延長して長い映像を作る場合でも、人物や小道具、背景が保たれるといいます。

編集は、同じクリップを対話で少しずつ修正できます。商品や背景の差し替え、照明や天候の変更、アスペクト比の切り替えなどに対応し、15秒のクリップ全体で使えます。広告の派生版を作る際に、指示や生成をやり直す手間を省けるとしています。

音声面では、より自然な会話、明瞭なリップシンク、複数話者の区別が向上したとのことです。カメラワークについても、FPV視点の飛行やズームアウト、周回撮影などの連続した動きを指定でき、意図しないカット割りが大幅に減ったと同社は述べています。

Google Cloudの企業向け基盤とセキュリティに支えられ、Gemini Omniが一般提供になるのは初めてです。プロビジョンド・スループットを利用でき、出力には人の目には分からないSynthIDの電子透かしが入ります。一方で、スピード感のあるスポーツの動き、脚本の急な変更、複雑な物理表現などは、改善に向けた開発が続いています。

利用方法は対象ごとに異なります。開発者はGoogle AI Studioで試作でき、企業はGoogle Cloudコンソールで利用できます。一般向けには、Flowでの場面指定や複数回の編集、Google Vidsでの15秒クリップの生成(Googleアカウントまたは Google Workspaceの契約で追加費用なし)が可能です。Geminiアプリでの15秒動画の作成はGoogle AI Ultraの契約者向けに順次展開され、Google Adsでも動画キャンペーンに使えます。


出典:Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips

よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!
目次