Gemini APIとGemini for businessで一般提供を開始しました。720pは1秒0.07ドルで、Omni 1.1から30%値下げしたと説明しています。参照画像の維持と複数回の編集も強化しました。 制作側は最長時間と単価だけでなく、再生成回数を含む費用を比べます。動きの激しい場面など、開発が続く領域を含めた品質確認が焦点です。 10秒から15秒へ広がる動画生成 Google DeepMindは11月5日、Gemini Omni 1.2 Flashを発表しました。Gemini APIとGemini for businessで一般提供し、動画の生成と編集を最長15秒まで扱います。Omni 1.1の上限は10秒でした。長さは3秒から15秒まで、1秒刻みで指定できます。既存の動画を会話で修正する機能も示しました。商品や背景、照明などを変える際に、毎回初めから作り直す負担を減らす狙いです。映像を一度生成して完成させる使い方から、同じ素材を複数回調整する制作手順へ対象を広げています。参照素材との対応と、映像の途中で形が変わる問題の改善も説明しています。 商品画像と音声を組み合わせる制作へ 主な対象は、商品紹介や広告、説明動画を作る企業と開発者です。人物、商品、画風の画像に、最長3秒の動きの参照や音声の手掛かりを組み合わせられます。Googleは衣服や包装の文字、ブランド色などの維持を改善したと説明しています。複数話者の音声や口の動きの対応も強化しました。Google VidsやFlowでの利用場面も紹介しています。制作担当者には、既存の商品写真を動画の起点にしやすくなる可能性があります。一方、紹介された作例は提供元が選んだ例です。自社の商品名や細かな形状まで同じ精度で保てるとは限りません。映像の一場面だけで判断せず、カメラの移動や人物の動作を含めて、全体を確認する作業が必要と見られます。 秒単価と修正回数を合わせて費用を測る 720p動画の価格は1秒0.07ドルで、Omni 1.1より30%低いとしています。低解像度で下案を作り、修正後に1080pや4Kへ拡大する流れも示しました。実務では、最終映像の長さだけで費用を見積もれないと考えられます。採用しなかった生成、会話による修正、解像度の変更を含む処理量が論点です。企業向けには予約した処理能力を使う仕組みも案内しています。導入側では、通常の利用量と繁忙時の要求を分けて確認する必要があると見られます。参照画像や音声の使用範囲を社内でそろえ、公開前に文字と音声を確認する体制も必要です。原文の価格は720pの条件であり、別の出力条件へ同じ単価を当てはめないことが確認点です。 一般提供後も残る映像表現の課題 Googleは、速いスポーツの動き、急な台詞変更、複雑な物理現象の改善を続けると明記しています。出力には目に見えないSynthIDの透かしを付けます。一般提供の開始は、あらゆる内容の正確さを保証する説明ではありません。次の判断点は、自社で頻出する場面の失敗率と、編集によって直せる範囲です。同じ人物や商品が複数の場面に出る素材を用意し、修正の前後で維持したい情報が残るかを確かめることが考えられます。