Gemini Omni 1.2 Flash、15秒動画生成と対話型編集に対応

概要

Googleは動画生成モデル「Gemini Omni 1.2 Flash」を発表した。今回の更新は単純な動画の長尺化だけでなく、生成後の修正を減らし、同じ素材を繰り返し使える制作フローを意識している。Gemini APIや企業向けのGeminiサービスで一般提供が始まり、Google Vidsなどへの展開も進められる。

主な変更点

• 最大15秒の動画生成：生成と編集に対応する長さが従来の10秒から15秒に伸びた。3秒から15秒まで、1秒刻みで指定できるため、商品説明、SNS広告、短いストーリーを一つのクリップにまとめやすい。
• 参照情報の維持を改善：人物、商品、スタイルの画像に加え、最大3秒の動きの参照や音声の手掛かりを組み合わせられる。顔、衣服、パッケージの文字、ブランドカラー、素材感をショット全体で保ちやすくする設計だ。
• フレーム間の一貫性を強化：カメラ移動、始点と終点のフレーム補間、動画の延長において、人物や小道具、背景が変形・漂移しにくくなった。Googleはバーチャル試着、ポスターのレイヤーアニメーション、建築物のFPV撮影などを例に挙げている。
• 会話による多段階編集：生成済みの動画に対して、背景、商品、天候、照明、アスペクト比などを順番に変更できる。毎回ゼロから作り直さず、媒体別の広告バリエーションを作れる点が実務上の利点になる。
• 音声とカメラ表現を改善：より自然な会話、明瞭なリップシンク、複数話者の識別を目指す。連続したFPV飛行、ズーム、旋回などにも対応し、不要なジャンプカットを抑える。
• 価格を引き下げ：720p動画の価格は1秒あたり0.07ドルで、前世代から30％下がった。まず360pまたは720pで試作し、採用する映像を1080pや4Kへ拡大する流れをGoogleは提案している。

意味と限界

生成AI動画の評価軸は、「一度きれいに作れるか」から「修正しながら安定して使えるか」へ移りつつある。商品パッケージ、衣装、人物の顔、文字などを複数の画角で維持できれば、広告やカタログ向けの再利用性が高まる。会話型編集も、異なる配信先に合わせた差分作成を簡単にする可能性がある。

一方、Google自身も高速なスポーツ動作、頻繁な脚本変更、複雑な物理表現は引き続き改善中としている。15秒に対応したからといって、すべての長いワンカットを一度で完成できるわけではない。実際には複数案の生成、選別、後処理が必要になるだろう。それでも本モデルは、動画生成の性能競争だけでなく、企業や開発者が反復制作しやすいワークフローを重視した更新といえる。

出典：Hacker News