Gemini Omni Flash 1.1

概要

Gemini Omni Flash 1.1は、Google DeepMindのマルチモーダル動画モデル、その2本目にあたります。ショットを育てられるようになったのは、この版が最初です。1回の生成が3〜10秒で音声つき、という骨格は変わりません。変わったのは、初代になかった手綱のほうです。360pの下書きから4Kの納品までを選べる解像度、実際に出力を導く動画リファレンス、2枚の静止画を1つの動きに変える終点フレーム、そして登場人物も音楽も保ったまま40秒まで伸ばせる延長。この4つが加わりました。

1.1で変わったこと

初代のOmni Flashは、どのクリップも720pで、10秒で打ち止めでした。1.1は、速くて対話的な中身をそのまま残し、周りにあった上限だけを外しています。解像度は生成ごとの選択になりました。安く回すなら360p、出せる状態になったら1080pか4Kへアップスケールします。リファレンスの入力は画像10枚と短いクリップ3本まで広がり、それぞれにプロンプト内で役割を振れます。そして仕上がったクリップは、もう終点ではありません。延長は直前の映像を読んで場面の続きを作り、10秒ずつ、元の尺の4倍まで伸ばせます。

ガチャではなく、対話で直す

多くの動画モデルは、プロンプトをスロットマシンのレバーのように扱います。Omni Flashが扱うのは、セッションの1音目としてです。場面の状態はターンをまたいで保持されるので、「ジャケットを赤に」「彼女が振り返るところから延長して」「看板をCLOSEDに書き換えて」が、すべて同じテイクに乗ります。顔も衣装も声もそのままです。短く、1回につき1点だけ変える指示がいちばん通ります。そして一度も言及しなかった部分は、一度も動きません。

MorphicでのGemini Omni Flash 1.1

Morphicでは、Gemini Omniが動画モデルの選択欄にVeo 3.1、Seedance 2.5、Klingなどと並んでいます。音まで含めたブリーフとしてショットを書き、そろえておきたいものがあればリファレンス画像を添えて生成してください。テイクはCanvasに置かれ、同じブリーフを別のモデルにも通せば、並べて読み比べられます。あとは続きのプロンプトで、1回につき1点ずつ詰めていくだけです。場面の文脈は、ターンをまたいでも残ります。