Google は、マルチモーダル ビデオ生成モデルの最新バージョンである Gemini Omni 1.2 Flash の一般提供を発表しました。 Google の公式発表によると、このアップデートにより、ネイティブ 15 秒ビデオ作成、マルチターン会話編集、参照遵守の向上が実現すると同時に、価格が 30% 削減されます。このモデルは現在、Gemini API、Google Cloud、Google Vids、Gemini for business にわたって展開されています。

Google DeepMind のプロダクト マネージャーである Anish Nangia 氏は、「Gemini Omni 1.2 Flash: より長いクリップで高速かつコスト効率が高い」というタイトルのブログ投稿でこのリリースを紹介し、ビデオ コンテンツを大規模に生成する開発者や企業にとって、プロダクション対応のオプションとして位置づけています。 この件の詳細は、AIニュースをご覧ください。

Gemini Omni 1.2 Flash の新機能

見出しの機能は 15 秒のビデオ クリップのネイティブ サポートであり、以前のバージョンの Omni ラインに対する有意義な拡張です。 Googleによれば、このモデルはフレーム間の一貫性も強化されており、これはショット間の連続性が最終的な出力を左右するプロのプロジェクトにとって重要だという。

2 番目の主要な追加機能は、マルチターン会話編集です。開発者やクリエイターは、細部が間違っている場合にクリップを最初から再生成するのではなく、一連の会話形式の指示を通じてビデオを改良できるようになりました。 Googleによれば、これにより最初からやり直すことなく、より迅速な調整が可能となり、ビデオを大量に制作するチームの反復時間とトークンコストの両方が削減されるはずだという。

Google はまた、参照遵守と呼ばれるもの、つまりユーザーが提供する視覚的な参照や指示を忠実に守るモデルの機能も改善しました。実際には、これは、参照画像または説明によってガイドされる文字、スタイル、シーン要素が、生成されたクリップ全体でより忠実に保たれる必要があることを意味します。

価格が 30% 値下げ

コストは、AI ビデオ生成を本番環境で使用する際の主な障害の 1 つであり、Google はコストを直接攻撃しています。同社は、Gemini Omni 1.2 Flash の価格を以前のバージョンと比較して 30% 値下げし、このモデルを大量のビデオ制作のための費用対効果の高いオプションとして位置づけました。

マルチモーダル発電における競争が激化する中、今回の値下げが行われた。過去 1 年間、OpenAI、Meta、および新興企業の波がすべて AI ビデオに進出しており、開発者は生の品質だけでなくクリップあたりのコストにも基づいてモデルを選択することが増えています。より長いクリップと低価格を組み合わせるという Google の決定は、Gemini Omni を単なる実験ではなく商用ワークロードのデフォルトの選択肢にしたいことを示唆しています。

開発者が使用できる場所

Gemini Omni 1.2 Flash は一般提供されており、これは実験的なプレビューではなく実稼働ニーズに対応する準備ができていることを意味すると Google は強調しています。開発者は Gemini API と Google Cloud を通じてアクセスでき、ビジネス ユーザーは Google Vids および Gemini for business 内でこれを使用して、マーケティング、トレーニング、コミュニケーション ワークフロー用のビデオ コンテンツを作成できます。

その配分が重要です。 Google Vids などの Workspace に隣接するツールにモデルを直接組み込むことで、純粋なビデオ生成のスタートアップ企業が一度に 1 つの契約をめぐって戦わなければならない企業顧客へのチャネルが Google に提供されます。

オムニラインの速いリズム

Gemini Omni 1.2 Flash は、Google が 8 月下旬に Gemini Omni 1.1 Flash を発表してから約 10 週間後に登場し、オリジナルの Gemini Omni が 5 月にデビューしてから約 5 か月半後に登場します。約四半期ごとのアップデートの安定したペースは、Google が現在フロンティア モデル ファミリーをいかに迅速に反復しているかを反映しており、Flash バリアントは各世代の高速かつ手頃な価格帯として位置付けられています。

このリリースはすぐに開発者コミュニティの注目を集めました。この発表は金曜朝の Hacker News でトップとなり、数時間以内に 170 ポイントを超えるポイントと 130 を超えるコメントを蓄積し、議論の焦点は価格設定、15 秒の制限、モデルの編集ワークフローと代替案との比較でした。

AI ビデオ市場にとっての意味

このアップデートは、AI 企業にとって激動の瞬間に到来します。 AI収益化に対する投資家の懸念が一因となった今週の株式市場の下落により、主要な研究機関はすべて、フロンティア研究が収益につながることを示すようプレッシャーにさらされている。より安く、より高速にビデオを生成することが、この質問に対する直接の答えです。価格が下がると顧客ベースが拡大し、本番準備が完了すると、実験段階のツールでは見られない企業の予算が呼び込まれます。

開発者にとって、実際的なポイントは簡単です。これまで、ビデオ生成のワークロードがクリップの長さ、価格、または変更のたびに出力を再生成する手間によって制限されていた場合、Gemini Omni 1.2 Flash は、こ​​れら 3 つの摩擦点のうち少なくとも 2 つを取り除きます。以前の Gemini Flash リリース後と同様に、ライバル各社がそれに見合った値下げで応じるかどうかは、今後数週間で注目されるストーリーの 1 つとなるでしょう。

一貫性の向上は、以前のビデオ モデルを試して途中でやめたチームにとって特に注目に値します。 Googleの発表は特に「プロフェッショナルなプロジェクト」をターゲットにしており、フレーム間の一貫性（ショット間で同じに見えるキャラクター、シーンの途中で変化しない照明）がデモと成果物コンテンツを分けるものであることを認めている。会話型編集と組み合わせると、Google が説明しているワークフローは、クリップを再生成するスロット マシンというよりは、反復的なデザイン ツールのように見えます。

Googleによると、開発者はGemini API、Google Vids、Gemini for business全体で新機能をすぐに使い始めることができるという。

---

AIの最新情報をお届け

AIの最新ニュース、分析、ブレイクスルーを一箇所で。

AIニュースをもっと読む →