Gemini Omni 1.2 Flash リリースノート

Googleは、動画生成機能、コスト効率、および一貫性の向上に焦点を当てたモデルアップデートであるGemini Omni 1.2 Flashを正式にリリースしました。このモデルは、Gemini API、Google Cloud、およびさまざまなGoogleコンシューマー向けアプリケーション全体で一般利用が可能になりました。

主な技術的改善

Gemini Omni 1.2 Flashでは、動画制作ワークフロー向けにいくつかの機能アップグレードが導入されています。

• 生成時間の延長: ユーザーは最大15秒までの動画クリップをネイティブに生成および編集できるようになりました。3秒から1秒単位で長さを指定可能です。
• 参照の一貫性の強化: キャラクター、製品、またはスタイルの画像をリファレンスとして使用する際、モデルはより高い一貫性を示します。これには、異なるカメラアングルやモーションシーケンス全体で、顔、衣服、タイポグラフィの忠実度を維持することが含まれます。
• マルチターン対話型編集: モデルは反復的な修正をサポートしています。ユーザーは、背景、照明、天気などの特定の要素を、クリップ全体を最初から再生成することなく、後続のターンで変更できます。
• シネマティックコントロール: FPVドローンの飛行やロングズームなど、複雑で連続的なカメラワークが可能になり、不要なジャンプカットの発生が減少しました。
• オーディオとリップシンクの改善: より滑らかな対話生成と、プロフェッショナルな動画制作ツールでの使用を想定した、より優れたマルチスピーカーコンディショニングが含まれています。

価格と可用性

Googleは、Gemini Omni 1.1と比較してモデルの価格を30%引き下げました。現在、720p動画生成の価格は1秒あたり$0.07となっています。このモデルは以下から利用可能です。

• 開発者: Gemini APIおよびGoogle AI Studioを通じて利用可能で、Provisioned Throughputをサポートしています。
• エンタープライズ: Google CloudコンソールおよびGeminiエンタープライズエージェントプラットフォームを通じてアクセス可能です。
• コンシューマー向けアプリ: Google Vids、Geminiアプリ（Google AI Ultraサブスクライバー向け）、およびGoogle広告に順次展開されています。

コミュニティと業界の反応

開発者コミュニティからの初期のフィードバックでは、Googleの製品命名規則と段階的な展開スケジュールに関する大きな混乱が指摘されています。ユーザーからは、どのモデルが特定のサブスクリプション層で利用可能かを判断するのが難しいという報告があり、価格改定に関するテキスト読み上げ音声と書面によるドキュメントの間で不一致があるとの指摘もありました。

一部のパワーユーザーは、現在のAI動画モデルが正確なクリエイティブディレクションに対して実用的な有用性を持つかどうかについて懐疑的な見方を示しています。あるユーザーは次のように述べています。

"動画生成が長期的にどうなるのか分かりません。意図したものに近いものを得るために、何度も反復作業を行う必要があります。30秒で役に立たないものを得るよりも、指示通りに動作するクリップのために5〜10分待つ方がましです。" — @handle

また、一貫性に関する技術的な進歩は歓迎されるものの、「Flash」から「Experimental」まで多岐にわたるGoogleのAIエコシステムの断片化が、信頼性の高い長期的な制作ツールを求める人々にとって導入の障壁となっているという指摘もあります。こうした懸念にもかかわらず、広告制作ワークフローへの注力は、Googleがこのモデルをより広範な広告およびエンタープライズメディア戦略の中核コンポーネントとして位置づけていることを示唆しています。