音と高画質な動画を一度に作る新しい頭脳
30 秒で読む(ふつうに言うと)
Google は、Gemini Omni 1.2 Flash(gemini-omni-1.2-flash)の一般提供(GA)を開始した。テキスト、画像、動画の入力を受け取り、同期した音声付きの高精細動画やテキストを出力できる。公式ブログでは、より長尺のクリップに対応し、高速かつ低コストで利用できる点が案内されている。
なにが起きた
すず
グーグルが、動画と音をいっしょに作れる新しい頭脳を出したんだって
しおり
文字や写真、動画を見せると、ぴったり合った音つきのきれいな動画を作ってくれるよ。だれでも本番で使えるようになったんだ
たとえると
すず
どういうこと?
しおり
これまでは映像を作ってから別の人が音をつけていたけれど、映像と音声を同時に仕上げる映画監督がやってきた感じだよ
なぜ大事
すず
それって、なにがうれしいの?
しおり
動画と音がずれることなく、手軽にきれいな映像を作れるようになるよ
くわしく
しおり
Google Cloud のリリースノート(出典 19)と公式ブログ(出典 10)の発表だよ。Gemini Omni 1.2 Flash(gemini-omni-1.2-flash)が一般提供(GA)になって、原文ではさまざまな情報をあつかう『omni-modal foundation model』と説明されているよ
近い話