Googleの動画AIが進化、4K対応

Googleは、ネイティブなマルチモーダル動画生成・編集モデルのプロダクションアップデートであるGemini Omni 1.1 Flash (gemini-omni-1.1-flash) をリリースしました。このリリースにより、Omniは単なる生成能力のあるモデルから、指示可能なモデルへと進化しました。シーンの延長機能は、以前の単一の最終フレームではなく、最大10秒間の以前のコンテキストを読み込むようになりました。最初と最後のフレームを固定してカメラの動きを制御でき、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、最終版は4Kにアップスケールされます。また、キャラクターの一貫性を保つために動画クリップを参照として渡すことも可能です。 Gemini Omni Flashは、Googleが以前の動画モデルと区別する3つの特性に基づいて構築されています。それは、ネイティブなマルチモダリティ（テキスト、画像、音声、動画をまとめて処理すること）、Interactions APIを通じた会話型編集、そしてGeminiから継承された世界知識です。編集はステートフルであり、previous_interaction_idを渡すことで、以前の動画を再アップロードすることなく、言及しなかった部分を保持したまま変更を適用できます。 展開可能でしょうか？これはGoogle AI StudioおよびGemini Enterprise Agent PlatformのGemini APIを通じて利用可能であり、Adobe、Figma Weave、GMI Cloud、Runwayがすでにプロダクションユーザーとして挙げられています。