Google DeepMind、Gemini Omni 1.1 Flashを発表 シーン延長や4Kアップスケールに対応

シーン延長では、既存動画の直前最大10秒を文脈として参照できるようになった。従来モデルは最後の1秒しか参照しなかったという。延長は10秒単位で、累計の長さは最大40秒まで。Gemini APIでは`previous_interaction_id`を指定し、`gemini-omni-1.1-flash`モデルで続きを生成する。

最初と最後のフレームを指定すると、2つのキーフレーム間を連続した映像で生成する。複雑なカメラの旋回、ズーム遷移、シームレスなループ動画などに向くと説明されている。

360pのドラフト生成は、標準の720pに比べて最大60%高速で、コストは3分の1とされる。60%はシステムスループットに基づく数値で、試作やストーリーボードの反復を想定している。仕上げ用には1080pまたは4Kの出力を選べる。マルチモーダル入力には最大3秒の動画参照を加えられ、キャラクターの一貫性や視覚的文脈を保てる。プロンプト例では、3本のダンス動画のダンサーを指定キャラクターに置き換えている。

提供範囲は、Google AI Studio、Gemini Enterprise Agent Platform（Agent Platform API経由）、Google Flow。Flowでは Google AI Plus、Pro、Ultraの購読者が世界中で本日から使える。シーン延長はGeminiアプリでも同じ購読者に提供される。公式ドキュメント、クックブック、プロンプトガイドも公開されている。