Gemini Omni 1.2 Flash、企業向けに処理能力の事前確保に対応　音声参照には利用許可が必要

何について

Google AI Studioは、動画生成・編集モデルGemini Omni 1.2 Flashの一般提供にあたり、企業が継続的に動画を制作する際の条件を説明した。Google Cloudの同モデル向け発表によると、処理能力を事前に確保するProvisioned Throughputに対応し、出力には目に見えないSynthIDの電子透かしが入る。 制作時は360pまたは720pで試作し、必要な部分を対話で編集してから1080pや4Kに拡大できる。低解像度の試作から毎回作り直さずに仕上げへ進む流れだ。参照素材には画像や最長3秒の動きの見本を使えるが、Google Cloudは、音声を参照素材として入力する機能には事前の利用許可が必要だと明記している。 Googleは作例として、同じ登場人物の演技を保ちながら背景を順に変える編集を紹介した。一方、速いスポーツ動作、台本の急な変更、複雑な物理現象は改善を続けているとしている。作例はGoogleによる紹介で、あらゆる映像で同じ仕上がりを保証するものではない。

なぜ注目

既報は15秒対応と単価が中心。企業が利用方法を決めるうえで重要な処理能力の確保、透かし、参照音声の制限について、開発元の説明がそろった。