Gemini Omni 1.2 Flashが15秒動画に対応し一般提供開始

Googleは本日、動画生成モデル「Gemini Omni 1.2 Flash」をGemini APIとGemini for Businessで一般提供開始した。更新の核は、最大15秒動画をネイティブ生成でき、対話形式で複数回にわたり動画編集を繰り返せる点、参照素材への追従性が大きく向上した点にある。価格は前世代のOmni 1.1から30%引き下げられ、720p動画は1秒当たり0.07米ドルで利用可能。運用面では、360pや720pで速く草稿を作り、気になるところだけを追加指示で修正し、完成品のみ1080pまたは4Kへアップスケールする流れにより、動画制作全体の費用を抑えられる。 動画長は3秒から15秒まで1秒刻みで指定でき、SNS広告や商品解説、短尺のプロモーション映像などを一度の生成で完成に近づけやすい。参照生成では、キャラクター画像、商品画像、スタイル画像に加え、最長3秒のモーションクリップや音声による指示を組み合わせて制作を導ける。顔立ち、服装、パッケージの文字、ブランドカラーなどをカメラ角度が変化しても保ちやすく、既存の商品写真やキャラクターシートから仮想試着動画、カタログ回転動画、ブランド広告向け素材を生成する用途に向くという。 参照への追従性向上は、静止したスタジオ照明の展示ポスターを段階的に立ち上げる複雑なプロンプトでも示されている。旧Omni 1.1 Flashでは参照画像とそぐわない生成結果になる事例に対し、Omni 1.2 Flashではポスターを層ごとに積み上げ、ガラス、フィラメント、結晶、ケーブルでつくった文字など素材、影、文字の細部まで終始一貫して保つという。企業、スタートアップ、クリエイターはすでに実務ワークフローで同モデルを使い始めている。 今回、Gemini Omniは初めて一般提供に達した点も重要で、Google Cloudのエンタープライズ向けインフラとセキュリティ基盤で運用される。Provisioned Throughputも利用可能になり、成果物には判別しにくいSynthIDウォーターマークが付与される。