Googleは、ネイティブなマルチモーダル動画生成モデルであるGemini Omni 1.1 Flashをリリースしました。これは単なる生成から直接操作可能な編集へと焦点を移した、本番環境向けのアップデートです。

このアップデートではInteractions APIを通じてステートフルなインタラクションが導入され、ユーザーはファイルを再アップロードすることなく、以前のコンテキストを保持しながら動画を修正できます。

  • シーン拡張は最大10秒の以前のコンテキストを分析し、累積的な拡張を最大40秒まで可能にします。
  • ユーザーは最初のフレームと最後のフレームを固定してカメラの動きを制御でき、軌道運動やシームレスなループなどのエフェクトを実現できます。
  • ドラフトは720pの3分の1のコストで360pでレンダリングされ、最終出力は4Kにアップスケールされます。
  • 動画参照機能では、キャラクターの一貫性を保つために最大3秒のクリップを3本まで受け付けます。
  • 価格は720p動画の1秒あたり約$0.10で、SynthID透かしがすべての出力に含まれます。

このモデルはGemini APIとGoogle AI Studioを通じて利用可能であり、Adobe、Figma Weave、GMI Cloud、Runwayなどがすでに本番環境で使用しています。