Gemini Omni Flash モデル紹介

モデル概要

Googleが開発した「Gemini Omni Flash」は、画像、テキスト、音声を高度に融合し、リアルタイムに近いスピードで動画を生成・編集できる革新的なマルチモーダルモデルです。単に素材を結合するだけでなく、シーンのコンテキストや物理法則を深く理解し、重力や流体の動きなどもリアルに再現した一貫性のある映像を出力します。

本モデルの強みは、極めて柔軟で高度な動画編集能力にあります。自然言語の指示によって、生成された映像から特定のオブジェクトを追加・削除したり、カメラアングルや背景のスタイルを変更したりすることが可能です。キャラクターのビジュアルやアイデンティティを保ったまま、シーンのみをシームレスに編集できます。

最大10秒の音声同期付き動画の出力に対応し、SNS用の短尺動画、広告クリエイティブの迅速なプロトタイピング、バーチャルアバターの作成など、直感的かつハイクオリティな映像制作をサポートします。

料金

技術仕様