Google、Gemini Omni 1.2 Flashを一般提供 15秒動画生成と30%値下げ

Gemini Omni 1.2 Flashは、Omni 1.1の10秒から15秒へと生成・編集できる長さを延ばした。尺は3秒から15秒まで1秒刻みで指定でき、製品紹介やSNS広告を一度の生成で作れるとしている。ワークフロー面では、360pや720pで素早く下書きし、細部は追加の編集で直し、仕上がりのよいものを1080pや4Kへアップスケールする流れでコストを抑えられるという。

品質面では、キャラクター、製品、スタイルの画像、最長3秒のモーションクリップ、音声の手がかりを組み合わせて生成を誘導でき、顔、衣服、パッケージの文字、ブランドカラーがカメラアングルをまたいで保たれるとされる。最初と最後のフレームの間の補間やクリップの延長でも、ドリフトや変形が少なくなったと説明している。例として、モデル写真と3着の前後の製品写真から15秒のバーチャル試着動画を作る場面が挙げられている。

編集と音声では、同じクリップを背景の差し替え、照明や天候の変更、アスペクト比の変更などでターンごとに修正でき、15秒のクリップ全体で複数ターン編集が働く。会話は自然さが増し、リップシンクが明瞭になり、複数話者の声の割り当ても区別されるという。カメラワークでは、FPVのフライスルーやオービットなどの連続的な動きで、不要なジャンプカットが大きく減ったとされる。

提供面では、Omni として初めて一般提供となり、Google Cloudの基盤とセキュリティを背景にProvisioned Throughputも使える。出力には知覚できないSynthIDの透かしが入る。開発者はGoogle AI Studioで試作でき、企業はGoogle Cloud consoleから利用できる。FlowやGoogle Vids、Gemini app（Google AI Ultra契約者へ順次展開）、Google Adsでも使える。高速なスポーツの動きや急なスクリプト変更、複雑な物理表現は引き続き改善中とされている。