Google、AI動画を最長15秒に延長 API料金は3割安く

Googleは11月5日、動画生成AIの新版「Gemini Omni 1.2 Flash」を公開しました。1本の動画を最長15秒まで作れます。

15秒の動画を作れる

文章や写真、短い動画を渡すと、音声つきの動画を作ります。長さは3秒から15秒まで1秒刻みで選べます。前の版（Omni 1.1）の上限は10秒でした。できた動画は、背景を替える、光の当たり方を変えるといった直しを、会話で続けて頼めます。

人物の口の動きと声が合いやすくなり、複数の人が話す場面にも対応しました。カメラの動きでは、急な場面転換が減ったとGoogleは説明しています。一方で、速いスポーツの動きや複雑な物理の表現は、まだ開発中だと認めています。

使えるサービスと料金

開発者向けのGemini APIとGoogle Cloudでは、一般提供（誰でも契約して使える状態）になりました。720p動画の料金は1秒0.07ドルで、Omni 1.1より3割安くなっています。15秒の動画1本は約1ドルです。無料枠では使えません。

一般の人に近いのは、動画作成ツール「Google Vids」です。Googleアカウントがあれば、15秒の動画を追加料金なしで作れます。Geminiアプリでは、有料プラン「Google AI Ultra」の契約者から順に提供が始まっています。

Omni 1.1のAPIは、12月3日から自動で1.2に切り替わり、新しい料金が適用されます。

使い方のコツと比較

Googleは、まず360pか720pの低い画質で下書きを作る方法を勧めています。よいものだけを1080pか4Kに引き上げれば、費用を抑えられます。見本の画像は1回に最大6枚まで渡せ、商品や人物の見た目をそろえやすくなります。直したい所は、作り直さず会話で修正するのがお得です。

Google DeepMindが両版を並べて比べました。映像のまとまりのよさは、Omni 1.2が62%、1.1が38%でした。人物の見た目の一貫性では63%対37%です。いずれもGoogle自身の評価で、第三者による確認ではありません。

日本での利用と注意点

日本での提供や日本語対応は発表されていません。Unite.AIによると、Gemini APIが完全に対応しているのは英語です。ほかの言語は評価されていません。声の編集と、音声ファイルを入力に使う機能も、現在のAPIにはありません。

作った動画には、目に見えない電子透かし「SynthID」が入ります。AIで作られたことを、あとから調べられる仕組みです。