Gemini Omni — 自然言語で対話的に動画を生成・編集するGoogle DeepMindの新モデル

概要

Google DeepMindが発表したGemini Omniは、テキストや画像、動画などの多様な入力を組み合わせ、物理法則や歴史的背景を反映した一貫性のある動画を対話形式で生成・編集できるAIです。

詳細内容

Google DeepMindによるGemini Omniは、動画生成と編集の体験を根本から変えるマルチモーダルモデルです。最大の特徴は、自然な会話を通じて段階的に動画を修正・構築できる「継続的な一貫性」にあります。ユーザーは動画の一部を差し替えたり、カメラアングルを変更したり、特定のオブジェクトにアクションを追加したりといった操作を、プロンプトだけで実行できます。また、このモデルは物理学、歴史、科学といった現実世界の知識を深く理解しており、重力に従った動きや科学的に正確な説明動画の作成が可能です。静止画からのキャラクターアニメーション化、ラフスケッチからの実写映像化、さらには映像内のアクションと同期したテキストのレンダリングといった高度な機能を備えています。安全性への配慮として、SynthIDによるデジタル透かしやC2PAコンテンツ認証情報が組み込まれており、クリエイティブスタジオ「Google Flow」やYouTube Shorts、Geminiアプリを通じて展開されます。

元記事を読む他のサマリーを見る