Google、1.2フラッシュを搭載したGemini Omniを発表 - 15秒の動画生成が可能に

Googleは、マルチモーダルな動画生成および会話編集プラットフォームであるGemini Omni 1.2フラッシュのリリースを発表しました。これは、Gemini APIおよびGoogle Cloudを通じて利用可能です。新バージョンでは、ネイティブの15秒動画作成、マルチターン会話編集、改善された参照遵守が導入され、コストは前のモデルGemini Omni 1.1フラッシュと比較して30%削減されています。

主な機能と改善点

Gemini Omni 1.2フラッシュでは、ユーザーは最大15秒の動画を生成・編集でき、これは以前の10秒制限から50%増加したことになります。ユーザーは、3秒から15秒までの1秒単位での duração を指定でき、物語や製品説明、ソーシャルメディア広告においてより柔軟性が得られます。720pの動画出力の価格は$0.07毎秒に設定されており、15秒のクリップは追加料金なしで$1.05になります。

このプラットフォームは、顔、衣服、タイポグラフィ、ブランドカラーのカメラアングル間の一貫性を維持することで、参照遵守を強化します。たとえば、Googleは、モデルのアイデンティティと衣服の詳細を360度の回転とマッチカットにわたって維持する15秒のバーチャルトライオンシーケンスの生成をデモンストレーションしました。

マルチターン会話編集により、ユーザーはゼロから始めることなくクリップを反復的に洗練することができます。この機能は、背景の入れ替え、照明の変更、アスペクト比の変更などの調整をサポートし、異なるオーディエンスやプラットフォーム向けに広告のバリエーションを生産する際の容易さを提供します。デモンストレーションの一例では、Googleは、一つのクリップがキャラクターやシーンの一貫性を保ちながら、異なる設定を特徴とするように、ターンごとに修正できる方法を示しました。

強化された映画的および対話能力

Gemini Omni 1.2フラッシュは、より流暢で自然な会話、改善されたリップシンク、明確なマルチスピーカー条件を導入します。一例として、プラットフォームは、声とキャラクターのリファレンスを使用して、表情豊かなリップシンクとコメディタイミングを持つ15秒のアニメーションシーンを生成しました。さらに、アップデートでは、連続的なFPVフライスルーや映画的なズームアウトなど、複雑なカメラの動きをサポートし、飛び越しカットを減らし、より滑らかな遷移を実現しています。

Googleは、長いクリップやトランジションでの一貫性を維持するプラットフォームの能力を強調しました。たとえば、単一の15秒のマクロサイエンス説明は、モーション追跡されたコールアウトと一貫したテキストおよびカメラの動きで作成されました。

アプリケーションとエンタープライズ機能

企業や開発者はすでにGemini Omni 1.2フラッシュを自分のワークフローに統合しています。このプラットフォームは、Google Cloudのエンタープライズグレードのインフラに支えられ、Provisioned Throughputや目に見えないSynthIDウォーターマークなどの機能を提供します。QuickFrame AIの最高技術責任者リチャード・ギルゲスは、15秒の接続テレビ広告を単一のパスで生成する能力が広告ワークフローにとって重要な進歩であると述べました。

開発者は、Google AI StudioおよびGoogle Cloudコンソールでのリソースを利用して、Gemini Omni 1.2フラッシュにアクセスできます。このプラットフォームは、スケーラブルな動画制作のために設計されており、企業、スタートアップ、そしてクリエイターにも適しています。