この記事のポイント
- 01720p動画の生成費用を前モデル比30%安の1秒あたり0.07ドルに設定した。
- 02生成できる動画の長さを従来の最大10秒から最長15秒へと拡大した。
- 03動画を作り直さずに背景や照明を部分修正する対話型の編集機能を備える。
Googleは、動画の生成と編集に特化したマルチモーダルAIモデル「Gemini Omni 1.2 Flash」の一般提供(GA)を開始した。同社が公式ブログで発表した。開発者向けのGemini APIや法人向けの「Gemini for business」を通じて提供する。日本での提供形態や日本語環境における個別の対応時期については、資料上で明らかにしていない。
同モデルは、前モデルにあたる「Gemini Omni 1.1」から利用料金を30%引き下げた。解像度720pの動画生成にかかる料金は1秒あたり0.07ドルとなる。制作工程では、低解像度の360pや720pで試作映像を作った後、完成した動画を1080pや4Kに拡大(アップスケール)できる。全体を再生成せずに済むため、処理費用を抑えられる仕組みを整えた。
| 項目 | Gemini Omni 1.1 | Gemini Omni 1.2 Flash |
|---|---|---|
| 生成可能な動画の長さ | 最大10秒 | 最大15秒(3秒〜15秒を1秒刻みで指定) |
| 720p動画の利用料金 | 資料に記載なし | 1秒あたり0.07ドル(1.1から30%値下げ) |
| 編集機能 | 資料に記載なし | 複数ターンの対話型編集に対応 |
| 提供形態 | 資料に記載なし | Gemini API/Gemini for businessで一般提供 |
生成時間を15秒に拡大、自然言語による対話型編集を導入
Googleの公式ブログによると、Gemini Omni 1.2 Flashで生成できる動画の長さは、従来の10秒から最長15秒へと延びた。指定できる長さは3秒から15秒までで、1秒刻みでの設定を受け付ける。これにより、製品の説明動画やソーシャルメディア向け広告映像を1度の生成で完結させやすくなったと説明している。
制作の工程では、対話形式で修正を重ねる「マルチターン編集」が利用できる。動画全体を初めから作り直す必要がなく、指示文(プロンプト)を通じて特定の部分だけを変更できる。たとえば、登場人物の演技や構図を維持したまま背景を天幕から森林や城へと順に変えたり、照明や天候、画面の縦横比(アスペクト比)だけを切り替えたりする作業に対応する。
また、カメラワークの制御性も高めた。FPVドローンによる建物の通過シーンや急激なズームアウト、被写体の周りを回る軌道撮影など、急な画面の切り替わり(ジャンプカット)を抑えた連続的なカメラ操作を指定できるとしている。
flowchart LR
A[指示文・画像・音声] --> B[低解像度で試作\n360p / 720p]
B --> C[対話型マルチターン編集\n背景・照明等の部分修正]
C --> D[高解像度化\n1080p / 4K拡大]
D --> E[SynthID透かし入り動画完成]
Gemini Omni 1.2 Flashにおける動画制作と編集の流れ
参照情報の一貫性と音声・物理現象の再現
Google DeepMindが公開した技術情報によると、同モデルは画像や音声、短い動画を手本として受け取り、その特徴を保ったまま新しい動画を作れる。参照できる動画は最大3秒までで、キャラクターの顔立ち、衣装の質感、商品のロゴやブランドカラーを別のアングルでも崩さずに維持する。スケッチを描いて動きの軌跡を指定したり、開始フレームと終了フレームを指定して間を滑らかにつないだりする機能も備える。
音声面では、自然な会話音声の生成や、唇の動きを声に合わせるリップシンクの精度を高めた。複数の人物が登場する場面でも、指定した音声をそれぞれの人物へ適切に割り当てられる。制作支援ツールの「Google Flow」や「Google Vids」でもこれらの機能を活用できるという。
さらに、重力や運動エネルギー、流体力学といった物理現象への理解も組み込んだ。ビー玉がコースを転がる動きや流体の変化を描画できるほか、歴史や科学、生物学の文脈を反映した動画表現にも対応する。
電子透かし「SynthID」の付与と開発途上の課題
Google DeepMindの説明によると、Gemini Omni 1.2 Flashで作成または編集した動画には、肉眼では見えない電子透かし技術「SynthID」と、コンテンツの来歴を示す規格「C2PA」の情報が自動で埋め込まれる。透かしの有無はGeminiアプリから確認でき、今後はブラウザのChromeやGoogle検索からも確認できるようにする予定だという。
モデルの開発にあたっては、専門チームによるレッドチーミング(意図的に弱点や悪用手法を探る検証作業)を人手と自動化ツールの双方で実施した。GoogleのAI原則や利用規約に沿った安全性の審査を経て公開に至ったと説明している。
同社は、スポーツなどの激しい動作、台本の急激な変化、複雑な物理現象の再現については現在も改善に向けた開発を続けているとしている。
SOURCES 出典
- Gemini Omnideepmind.google
- Gemini Omni 1.2 Flashblog.google
本記事は AI を活用して作成し、筆者が確認のうえ公開しています。詳しくはAI 利用ポリシーをご覧ください。



