Google DeepMindはGemini Omni 1.2 Flashを一般提供し、Gemini APIとGemini for businessで利用可能にしました。新バージョンはネイティブな最大15秒の動画生成、会話型のマルチターン編集、参照画像や最長3秒のモーションクリップ、音声キューへの追従性向上を備えます。価格は前バージョン比で30％引き下げ、720pで1秒当たり0.07ドルです。ワークフローは360pや720pで素早く下書きを作り、必要箇所のみ追編集し、最適クリップを1080pや4Kへアップスケールする手順でコストを抑えます。キャラクターや製品、スタイル、顔や衣装、パッケージのタイポグラフィ、ブランドカラーまでがショットを跨いでも安定し、キーフレーム間の補間や連続カメラワークでもドリフトが減少します。プロビジョンドスループットの提供、出力への不可視SynthIDウォーターマーク付与、Google Cloud基盤でのエンタープライズ水準の提供も案内されています。
音声では自然な台詞と明瞭なリップシンク、複数話者の条件付けが改善され、会話型編集により背景や照明、天候、アスペクト比の差し替えをやり直しなく同一クリップ上で反復できます。長尺化と一貫性強化により、15秒のプロダクト解説や縦型の広告制作などを一度の生成で完結しやすくなりました。実運用ではAdobe、PORTO ROCHA、Monks、Whering、Figma Weave、STAN、Magnific、Resemble AIが活用や評価に言及しています。提供はGemini API、Google Cloudコンソール、Flow、Google Vids、Geminiアプリ、Google 広告に展開されます。開発は継続中で、スポーツの高速アクション、急な台本変更、複雑な物理は今後の改善対象です。価格引き下げと編集反復、アップスケール運用の併用で、大量生成とコスト最適化が進めやすくなります。
詳しくは「Google DeepMind」の公式ページまで。レポート／DXマガジン編集部
