Google が 8 月 27 日、動画生成モデル Gemini Omni 1.1 Flash の提供を始めた。360p の下書きモードは 720p の 3 分の 1 の費用で最大 60% 速く、生成した場面は 10 秒ずつ通算 40 秒まで伸ばせる。上がったのは画質の天井ではなく、作り直せる回数のほうだ。個人が映像を作るときの制約が、どこで緩んで、どこに残ったのかを見ておきたい。
「4K 対応」は、4K で作るという意味ではない
まず語の範囲を絞る。公式の説明で 4K は「最終的な作品を 4K に引き上げる」仕上げの機能として書かれている。生成そのものが 4K で走るわけではない。出来上がった映像を最後に大きくする工程が付いた、と読むのが正確だ。
使える場所も一様ではない。開発者向けの API と AI Studio のほかに、Google Flow では Plus・Pro・Ultra の契約者が使える。場面を伸ばす機能は Gemini アプリ側にも来ている。同じ「使える」でも、前者は使った分だけ払い、後者は月額の枠の中で回る。財布から見れば別の道具だ。
下がったのは画質の値段ではなく、やり直しの値段だ
料金表に載っている API の単価は、720p で 1 秒あたりおよそ 0.10 ドル。40 秒なら 4 ドル前後になる。下書きモードはその 3 分の 1 なので、同じ 40 秒を 1.3 ドル程度で回せる計算だ。しかも最大 60% 速い。
この差が効くのは、一発で決まらない人のほうだ。頭の中の画を言葉にして、出てきたものを見て、言葉を直す。その往復が 1 回いくらかは、作れるかどうかを決めない。何回試せるかを決める。
映像は文章と違って、直すたびにお金と時間がかかる。だから粗い案をいくつも出して比べる工程は、個人の制作では真っ先に省かれてきた。下書きが 3 分の 1 になるというのは、その省かれてきた工程を戻せるという話だ。
40 秒は、10 秒ずつしか伸びない
制約の形も見ておきたい。長さは 10 秒単位で足していき、通算 40 秒が上限になる。継ぎ足すときに直前の映像を最大 10 秒ぶん参照する仕組みで、以前は最後の 1 秒しか見ていなかったという。最初と最後のコマを指定してカメラの動きを作ることもでき、外部の映像は 3 秒までを参考として渡せる。
数字は細かいが、意味は 1 つだ。この道具は「長い作品を一息で出す」ためのものではない。短い塊を継いでいく作り方に合わせて設計されている。40 秒を超える構成を考えている人は、道具が想定していない使い方をすることになる。
自分は、何を作り直したいのか
できないことも公開されている。モデルカードには、編集をまたいで一貫性を保つこと、複雑な動きのある場面、文字を正確に描くことが依然として難しいと書かれている。人物の発話内容を差し替える機能は、より安全な方法を検討中として現在は使えない。
細かい修正を重ねるほど元の絵から離れやすく、看板や字幕を含む画は苦手で、人が喋る映像を後から言い直させる用途はそもそも入口が閉じている。安くなったのは試行の単価であって、仕上がりの保証ではない。
そのうえで、自分の側の条件を並べたほうがいい。月に何本作るのか。1 本にどれだけ試行を許すのか。40 秒で足りるのか、足りないなら何をつなぐのか。使った分だけ払うのか、月額の枠の中で回すのか。道具が安くなると、作れる人の数より先に、諦めずに済む回数のほうが増える。
あなたが作りたい映像は、一度で決まるものだろうか。それとも、何度も作り直して初めて形になるものだろうか？
