野口航

ライトメディア社長。リテールメディアJAPAN編集長。 GeoLogicを創業しSmartNewsに売却。サイバーエージェントでMicroAd BLADEを開発。専門はネット広告やデータ分析など。

[野口航 @noogle]

Flowの正式ルートでキャラクターを生成しても、それが原因でフィルタに引っかかって弾かれることが多いっぽい。キャラクター固定を外すとこんな感じ。

ZEROはそんなビスケット形状じゃないんだけど、商品画像もちゃんと渡せばなんとかなるかなぁ... ここらへんはFlashじゃない版、あるいは裏側Veo 4待ちって感じなのかなー

[野口航 @noogle]

※現在のところ参照動画の尺が最大10秒に制限されているので、元動画は事前に編集してます。

[野口航 @noogle]

Gemini Omni FlashでVideo to Videoやってみた。

←生成動画
　　元動画→

なんだよ、これ... キャラクター指定したのに知らないおじさん出てきた。

[野口航 @noogle]

Take 2:
今度はキャラクターを守ってくれたけど、なぜか英語... 違和感がおもしろいけど。

[野口航 @noogle]

オーケー、オーケー。Gemini Omniは順当な進化だ。

権利侵害に準拠しているであろうキャラクターやアバターへの対応、一貫性で問題になる音声への対応、事前の方向性の対話など、動画モデルそのものよりも足元の課題となっているところにパッチを当ててくれた感じ。

[野口航 @noogle]

Google I/O、Gemini Omni / Veo 4待ち民は5AMのDeveloper keynoteから観ればOK?

[野口航 @noogle]

Seedance 2.0が顔画像を参照できないため、ByteDanceが事前に用意したアバターを使った生成を練習中。

プロンプトを解釈する力は他社モデルと比較にならないくらいすごいんだけど、顔画像参照だけなんとかしてくれないかな。

現状だと、人物のいない背景画像を用意するしかない。静止画フレームを動画化するのではなく、背景とキャラクターを別々に用意して、ある程度ガチャを許容するしかないよねという世の中の方向性なのかな。

[野口航 @noogle]

ようやくSeedance 2.0に対応させたところなのに、今週Googleから登場が噂される新動画生成AI「Gemini Omni」が、Veoとはまったく違うAPIになってたりしたら僕はきっと泣いてしまう。

実写風の顔画像を動画生成の素材として使えないのは致し方ないにせよ、業界として標準的な仕様には寄せていただきたいところ。

[野口航 @noogle]

ちなみに静止画フレームはGPT Image 2で生成。

Nano Bananaと比べると自然で無理がない感じに出力されることが多い。

[野口航 @noogle]

またつまらぬものを、作ってしまった。

#100日後にカンヌを獲るAI お久しぶりの20日目

[野口航 @noogle]

GPT Image 2で、ネット広告業界的に地味に嬉しいのが、アスペクト比が自由に生成できるようになったことかも。

今までは、3:2や1:1で出力してからトリミングするしかなかった。Nano Bananaも1.91:1や300x250の出力には未対応。

GPT Image 2なら、300x250でもこんな感じでポン出し！！

[野口航 @noogle]

公式発表前からヤバいと噂になっていたOpenAIの静止画生成モデル「GPT Image 2」、先ほど遂に正式リリースされました！「商品上品」でも爆速で対応しました！

プロンプトをまったく書かずに寝ぼけ眼でポチポチやっただけで、このくらいの品質で出てしまった...シンギュってる。

間違いなくNano Bananaを超えましたね。現時点では。

[野口航 @noogle]

EC向けAI画像・動画生成サービス 商品上品
https://t.co/i4MOKxJS5d

[野口航 @noogle]

これまでは、ガチャ要素の小さい静止画フレームからの動画生成がほとんどだったんですが、たまには参考画像からの生成も。商品上品の参考画像モード機能も（本気で）ブラッシュアップしました。

Veo 3.1の場合、参考画像だと8秒固定かつガチャという縛りがコスト的には痛いですね。ということで、Veo 3.1 Fastによる出力なので、やっぱりイマイチすぎる。

ただ、Fastが4/7から大幅に値下がりしたこともあり、8秒でガツガツ生成してから編集で繋ぐというやり方もありだと思いました。

だいぶGoogle Veoは中国系に遅れを取ってきたので、Veo 4に期待です。Googleさんなら、実写の顔をちゃんと使える状態で出してくれるでしょう！

#100日後にカンヌを獲るAI

[野口航 @noogle]

「究極に無駄に溶かすことで見えてくる世界もあるものだよ」の意

[野口航 @noogle]

福利厚生なんて、ぜんぶClaude CodeとGCPと動画生成AIのクレジットにしちゃえばいいじゃない。

[野口航 @noogle]

自社サービスとガッツリ連携して配信できるMAツールのMVPを1日で構築して本番投入してしまった。

これまでの多くのSaaSは多種多様な用途に汎用的に対応するために操作性を犠牲にせざるを得なかったと思うのだけれど、クライアントがまったく学習せずとも使えちゃうシステムをフルスクラッチで作るのが当たり前、みたいなパラダイムシフトが起きるかもしれないなぁ、なんて思ったりしました。

[野口航 @noogle]

カップに反射して描かれている室内が良いですね〜

[野口航 @noogle]

18日目。話題のSeedance 2.0をCapCutからテスト。

超適当なプロンプトで出力しましたが、きっちり書けばガチャ要素低くやってくれそうな期待感がムンムン出ています。

#100日後にカンヌを獲るAI

[野口航 @noogle]

最初のフレームと最後のフレーム

[野口航 @noogle]

動画生成AIのGoogle Veoに、Liteが登場！何と言っても価格が安い！！

720pなら1秒あたり8円。15秒動画なら4秒素材を4つ生成するとして最安で128円でできる。まだまだガチャ要素の大きい動画生成なので、1カットを3つ出力してから良いものだけピックアップみたいなワークフローも現実味を帯びてきますね。

気になるのはその品質。商品上品で使っているVertex AIではまだLiteが未対応だったので、Flowで生成してみました。

--
場面: （少し散らかった生活感のある台所）白タイルの壁、シンク横に食器が少し積まれている。女性はスモーキーピンクのスウェットトップにストライプのルームパンツ、髪はラフなお団子、ナチュラルメイク。カメラ固定の中景。女性が眠そうな顔で冷めた飲み物入りの商品上品マグカップを見つめ、肩を落とす。次に電子レンジの方向を見るが、その場で大げさに悩むワンカット。
[Nano-bananaでの参照画像生成も兼ねたプロンプト]

セリフ: 「温めて、洗って、もう考えたくない」

最初のフレームと最後のフレームを両指定
--

←セリフ付き
セリフを喋らせると、どうしても中国っぽくなってしまうんですよね。

→セリフなし
最初と最後のフレームに無理やり合わせてきてるけど、途中の顔が別人に。人物参照機能が欲しいですね。

とはいえ、これまでのVeo 3.1と比べて著しく劣化しているわけでもないので、これは使えそうです！これまでは15秒動画で1,000円以上かかってしまっていたわけなので。作って、作って、選んでいきましょう！

#100日後にカンヌを獲るAI