技術分野
AIによる動画生成と理解：テキスト動画生成モデル、動画編集ツール、映像制作の変革を追う。
4 件のおすすめ過去30日間 0 件収録記事数 6 件
公開記事から選んだ直近12か月の主な出来事を、発表・発生日順に表示しています。
Google DeepMindは、対話中に音声と映像で応答するGemini 3.8 Live with Live AvatarをGemini Enterpriseで提供開始しました。非同期のツール呼び出しで会話を続けながらデータを取得でき、リップシンクと表情を調整しながら97言語に対応します。カスタムアバターの作成は、現在エンタープライズの許可リスト登録を通じてのみ利用できます。
推荐理由：音声と映像を組み合わせた対話に加え、会話を続けながらバックグラウンドでツールを実行する仕組みや、97言語への対応を説明しています。
Google DeepMindは、Gemini 3.7 Flash、3.6 Flash、3.5 Flash-Liteにエージェント型動画理解機能を導入しました。
推荐理由：固定フレームレートでの処理と異なり、必要な映像・音声・字幕を動的に調べる仕組みと、長時間動画での効率改善幅が示されています。
Google DeepMindはGemini Omni 1.1 Flashを発表し、開発者向けの動画生成機能を拡充しました。最大10秒の過去映像を参照するシーン延長や、開始・終了フレームの指定、最大4Kへのアップスケールに対応します。
推荐理由：最大10秒の文脈を参照するシーン延長や4K出力など、制作工程の制御性と仕上がりを高める機能が具体的に示されています。
Google DeepMindは、画像生成モデル「Nano Banana 2 Lite」と動画生成・編集モデル「Gemini Omni Flash」を開発者向けに公開しました。
推荐理由：画像生成と動画生成・編集をつなぐ2モデルについて、速度や価格、API提供状況まで比較でき、開発時の選択肢を具体的に把握できます。