Googleは、高速・低コストな画像生成モデル「Nano Banana 2 Lite」と、動画編集を可能にする「Gemini Omni Flash」を公開した。DeepMindの公式発表によれば、これにより開発者は静止画から動画生成までの一貫したマルチモーダル体験を低遅延で構築できる環境が整ったと見られる。
Googleが発表した両モデルの提供開始は、生成AIの活用フェーズが「単発の生成」から「連続的なワークフローの構築」へと移行したことを象徴している。API経由で両モデルを連結させ、静止画を動画へ昇華させるような「エンドツーエンドのマルチモーダル体験」が容易に構築できる点が、これまでの単一機能モデルとは一線を画す。これは、開発者がより複雑なインタラクティブ体験を、かつてない低コストで提供できる可能性を示唆している。
Nano Banana 2 Liteは、1枚あたり0.034ドルという低コストと、4秒という高速な出力速度を実現している。これは、運用コストの削減とレスポンスの向上を同時に達成できる強力な武器となる。一方、Gemini Omni Flashは、テキストや画像入力を基にした動画生成と自然言語による編集機能を備え、1秒あたり0.10ドルで提供される。開発者はGoogle AI StudioおよびGemini APIを通じてこれらを組み合わせることで、低コストでインタラクティブな体験を設計可能だ。
アプリケーション開発者は、Google AI StudioとGemini APIを活用することで、静止画から動画へのシームレスな変換を低遅延で実装できる。例えば、ユーザーが生成した画像を即座に動画化し、さらに自然言語で編集を加えるといったインタラクティブなアプリケーションが想定される。Googleが提供するデモアプリ「Anywhere」や「Space Lift」は、まさにこの連携の可能性を提示しており、開発者はこれらの事例を参考に新たなマルチモーダル体験の構築に着手できるだろう。
現時点では動画生成は10秒間に制限されており、キャラクターの一貫性維持やシーン切り替え時の描写には依然として限界がある。また、APIの仕様上、オーディオ参照や長尺動画の生成には未対応の部分が多く、プロフェッショナルな映像制作現場での採用にはハードルが残る。一方でGoogleは、AI生成コンテンツの透明性を高めるため、DeepMindが開発したデジタル透かし技術「SynthID」を両モデルに統合した。InfoQの報道によれば、これはC2PA仕様と補完し合う関係にあり、GoogleはOpenAIなど他社との提携も進めることでデジタルコンテンツの信頼性向上を図っている。
