ニュース

Google、動画生成AI「Gemini Omni 1.2 Flash」を一般提供

前モデルから30%値下げ、最大15秒に長尺化

動画生成・編集AIモデル「Gemini Omni 1.2 Flash」

 Googleは、動画の生成・編集AIモデル「Gemini Omni 1.2 Flash」の一般提供を開始した。同モデルは現在、Gemini APIやGemini for businessを通じて開発者および企業向けに提供されるほか、Google Vids、Geminiアプリ(Google AI Ultra加入者)、Flowを介して個人向けにも展開される。

 同モデルは、従来のモデルから機能を向上させつつ生成コストの低減を実現している。「Gemini Omni 1.1」では、10秒までだったネイティブ動画の生成時間が3秒から15秒まで1秒刻みで指定できるようになった。生成コストも「Gemini Omni 1.1」と比較して30%削減され、720p解像度の動画において1秒あたり0.07ドルで利用できる。

720p解像度の動画での品質が向上し、最大15秒の動画クリップを生成できるようになった

 動画の生成では、キャラクター、製品、スタイルの画像や短い動画クリップ、音声などを参照データとして組み合わせることで、カメラアングルが変化しても衣服やタイポグラフィといった外観の一貫性を維持する。また、フレーム間やショット間の視覚的なずれや変化を抑えた映像を生成し、連続したカメラワークでも不自然なカットを減らした映像表現を実現する。

同じ静的なスタジオ照明の展示ポスターをもとに、5層のアニメーション指示を与えた場合のGemini Omni 1.1 Flashと1.2 Flashの生成結果比較

 動画の編集では、単一のクリップに対して対話形式で背景や照明、アスペクト比などの変更指示を与えるマルチターン編集に対応する。音声については、複数の話し手に応じたリップシンクや自然な対話音声を生成できる。

 なお、生成されたコンテンツには目視できないウォーターマーク「SynthID」が埋め込まれる。