Gemini Omni 1.1 Flashは、生成された動画に対する実際の制御を開発者に提供します

これまで動画の生成は、結果がブラックボックスであるという事実に直面してきました。プロンプトを書いて、使えるクリップが出てくることを祈るだけでした。Google DeepMindは、これを変えるGemini Omni 1.1 FlashをAPIとしてリリースします。

ランダムなカットと視覚的な混乱の終わり

このアップデートにより、既存の動画に10秒単位で、最大40秒までネイティブな拡張が可能になります。モデルは前のシーンからのコンテキストを保持するため、カメラが他の場所に飛ぶことはなく、ビジュアルの一貫性が保たれます。これにより、単なるランダムなBロールのジェネレーターではなく、ストーリーテリングのための真のツールになります。

クリエイターにとってテスト段階が安価になります

もう1つの変更は、粗い360pプレビューのサポートです。これにより、開発者が最終的なレンダリングの支払いを行う前に、適切なカメラの動きを探す際のコストが3分の1に抑えられ、反復作業が大幅にスピードアップします。

4K出力も素晴らしいですが、滑らかさが最も重要です

モデルは最初と最後のフレームを指定してスムーズなトランジションとループを行い、最終的に解像度を4Kまで上げることができます。市場が解像度において簡単に追いついている一方で、動きを実際に操作するためのAPIは、ほとんどのモデルに欠けていたものです。

動画API市場は本番環境へとシフトしています

Omniの成功を決めるのは、APIの安定性と競合他社（Runway、Luma）と比較した価格です。視覚的な連続性を維持すれば、デモで動画を見せるだけでなく、動画を統合したいアプリケーションの標準となるでしょう。

Lilithの判定

AI動画はついに、それがおもちゃではなくツールになるものを手に入れます。「生成」ボタンを提供するだけの人は、すぐに企業顧客には使い物にならなくなるでしょう。