動画を「作り直さず、会話で直す」：Gemini Omni が変える制作の流れ

動画の生成 AI を使った人なら、こんな経験があるはずです。8 割は良いのに、手の動きだけがおかしい。直すには、もう一度作り直すしかない。Google の Gemini Omni は、この「作り直し」を「会話で直す」に変えようとしています。

経緯

できること

• 文章、画像、動画を、どんな組み合わせでも入力にできる。
• やりとりの ID を使って、前の結果を踏まえて会話で直す。
• 参照の画像で、人物と画風を、場面をまたいでそろえる。
• 文章から動画、画像から動画、最初と最後のコマの指定。
• 10 秒ずつ、合わせて最大 40 秒まで延ばす。

KDnuggets は「編集が、毎回の新しい当てずっぽうではなく、本当の会話のように感じられる（making the editing process feel like an actual conversation instead of a fresh guess）」と評しています。

料金

入力は 100 万トークンあたり 1.5 ドル、文章の出力は 9 ドル、動画の出力は 17.5 ドルです。720p で 1 秒約 0.1 ドル、10 秒でおよそ 1.01 ドル。1 秒あたりは Veo 3.1 Fast と同じで、360p の下書きのモードもあります。

作り手の声

発表の日の告知は、場面をまたいだ人物の一貫性と、文章による動画の編集を前に出していました。日本の作り手の受け止めは冷静です。@kantamizutamari は「Veo 3.1 と比べると出力される映像の完成度はまだまだ物足りない」としつつ、「一番衝撃的なところは、そこじゃない」と書きました。AI の専門の組織として検証した @SOLDOUT_jp は、「作り直さず、会話で直す」ことで、制作の工程が大きく変わったと伝えています。

苦手なこと

• 声やセリフの編集はできない。
• アップロードした動画の編集は、EEA（欧州経済領域）、スイス、英国では使えない。
• 十分に評価されているのは英語だけ。

作り手にとっての意味

動画の制作で時間を食うのは、最初の 1 本ではなく、直しの往復です。会話で直せるなら、ディレクターの指示の出し方が、そのまま使えます。

サービスに組み込むなら、下書きは 360p で安く回し、決まった物だけを 720p で仕上げる、という 2 段の流れが、費用の面でも効きます。