The Verge AI·2026年5月23日 20:00·約10分

Google の新「何でもから何でも」AI モデルは驚異的

#Deepfake #Generative AI #Multimodal #Google Gemini

TL;DR

The Verge の記事は、Google の新 AI モデル「Anything-to-Anything」の能力を、記者が子供のぬいぐるみをサンセットに登場させるデプフ実験を通じて紹介している。

AI深層分析2026年5月23日 22:02

参考/ 5段階

深度40%

キーポイント

汎用生成能力の実証

記事は、特定のタスクに特化せず、あらゆる入力からあらゆる出力を生成できる「Anything-to-Anything」モデルの柔軟性を示唆している。

実社会での応用例

記者が Google の広告キャンペーンを模倣し、ぬいぐるみに旅行中の姿を合成する実験を行い、技術の実用可能性を確認した。

倫理的配慮の示唆

生成された動画を実際の子供に見せないという記者の判断は、この技術が持つ潜在的なリスクや倫理的懸念への認識を示している。

影響分析・編集コメントを表示

影響分析

この記事は、Google の最新 AI モデルが単なる理論上の概念ではなく、個人レベルでも高度な合成映像を生成できる実力を持っていることを示しています。しかし、同時に技術の普及に伴う倫理的リスク（特に子供への影響やディープフェイクの濫用）に対する警戒感も強く伝達しており、業界全体でセキュリティと責任ある利用の枠組み整備が急務であることを浮き彫りにしています。

編集コメント

技術の飛躍的な進化を伝える一方で、その裏にある倫理的課題への言及がなされている点でバランスの取れた記事です。

去年、私は子供のおもちゃのぬいぐるみをディープフェイクして、そのぬいぐるみの鹿が休暇中であるかのような映像を作りました。

これは Google が展開していた Gemini の広告に描かれていた出来事を再現できるかどうかを試す実験でした。しかし、私は「バディ」という名の鹿の冒険を描いた動画を、4 歳の子供に見せることはありませんでした。ただ、それは生成 AI を使った些細な遊びと、質の低い大量生産コンテンツ（スロップ）との違いについて深く考えさせられる示唆に富む実験でもありました。もしかすると、そのベン図は完全な円になっているのかもしれませんし、違うかもしれません。しかし、私が確実に知っているのは、リアルな動画を作成するためのツールが驚くほど優秀であり、驚くほど少ない労力と専門知識で済むということです。そしてこの傾向は、Gemini のオムニ（Omni）時代へと勢いよく続いています。

オムニは、将来的にはあらゆる種類の入力（写真、動画、テキスト）を別の何かに変換できるという、新しい生成モデルのファミリーです。しかしまずは、動画の作成に焦点が当てられています。オムニ・フラッシュ（Omni Flash）は Google が発表したこれらのモデルの中で最初のものですが、現在同社の AI 動画生成および編集プラットフォーム「Flow」で利用可能です。必要であれば以前のモデルである Veo を引き続き使用することもできますが、オムニは Veo に比べていくつかの点で改善されています。

Omni を使えば、動画をアップロードしてテキストプロンプトとともに使用し、AI 生成コンテンツの作成の起点とすることができます。Google はまた、動画制作においてより現実世界の知識を取り入れ、その結果として動画全体を通じてキャラクターの一貫性をよりよく保つことができると主張しています。これらの主張が真実かどうかを本当に知るにはただ一つの方法しかありませんでした：私は AI バディを呼び戻し、もう一つの冒険のために小さな AI 生成の荷物を詰め込ませました。

このコンテンツは、あなたのクッキー設定のために表示されていません。このコンテンツを読み込むには、以下の「許可」ボタンをクリックして、「ソーシャルメディアおよび埋め込みコンテンツ」用のクッキーに同意してください。これらのクッキーは、埋め込みコンテンツの出所となる第三者ソースによって設定・管理されます。

結果は非常にばらつきがあり、混乱させるほどです。いくつかは非常に良く、5 ヶ月前に Veo をテストしていたときよりも一貫性が高く、私のプロンプトにも忠実でした。しかし、Omni が私のために作った最も優れたクリップでさえも、特定の AI によるジャンプスケア（突然の驚き）を含んでおり、例えばバディがスカイダイビング中に突然向きを変えるような場面があります。

別の動画では、Omni にある程度の芸術的裁量を与えました。「バディが休暇のために荷物を詰め込み、トロピカルな休暇のためにクルーズ船に乗り出すモザイク映像を作成してください。雰囲気はかわいくて遊び心のあるものにしてください。バディはスーツケースの中に後で役に立つ面白いものを詰めてください。」これにより、バディがハチミツの瓶を詰めることになり、クリップの後半で彼はそれを日焼け止めローションのボトルのように手に取ります。「うわっ」とキャラクターが言いながら、蹄にハチミツを絞りかけます。

正直言って、悪くない出来です。ただし、ビデオ全体を通してハチミツの瓶が常に変化しているのが気になります。最初は瓶から始まり、水が入った透明なスプレーボトルになり、再びハチミツの入った絞りボトルに戻るのです。そして、このモデルがいかにしてビデオの最後のフレームを生成したのか、説明のしようがありません。まるで直前に作成したシーケンスの要素を吐き出したかのような印象です。

Cookie の設定により、このコンテンツは表示されていません。このコンテンツを読み込むには、以下の「許可」ボタンをクリックして、「ソーシャルメディアおよび埋め込みコンテンツ」用の Cookie をオプトインしてください。これらの Cookie は、埋め込みコンテンツの出所となる第三者ソースによって設定・管理されます。

テキストベースのプロンプトを使用してビデオの編集を提案することもできますが、Google には credit を与えたいと思います：Omni では Veo 3 のときよりもこの機能がうまく機能します。ただし、Veo での結果は*ひどい*ものでした—あまりにもひどかったので、何か変更したいたびに最初から新しいビデオのプロンプトを入力する方がずっと簡単だと感じました。Omni は確かに編集内容を反映しようとしますが、必ずしも期待通りの結果になるとは限りません。

休暇中の映像でバディの顔の反応を強調するようにプロンプトしましたが、結果は奇妙な見た目になってしまいました。また、時折バディに角が生えることもありましたが、彼には角はありません。バディは*赤ちゃん*なのですから、どうかご理解ください。あるシーンに現れた角を取り除くよう指示したところ、モデルはそれに応じましたが、その代わりに他のすべてのシーンに角を追加してしまいました。

実は、これらすべてが無料ではありません。動画の生成にはクレジットが必要で、シーンの長さや使用する「素材」によって 15 から 40 クレジットまで変動します。編集を 1 回行うごとに 40 クレジットがかかります。私は月額 20 ドルの AI Pro プランに加入しており、毎月 1,000 クレジットが付与されていますが、数回の編集を加えながら約 20 本のクリップを生成した結果、残りは 145 クレジットまで減ってしまいました。Omni に生成してほしい動画について具体的なアイデアがある場合、あなたのビジョンに近い動画を仕上げるために、モデルとのやり取りに多くのコストがかかる可能性があります。

私は実際に目にしたものに対して準備ができていなかったと心から言えます

Omni の purported な強みの一つは、AI 生成の要素を実写動画に追加できる点です。そこで Buddy を休ませ、自分自身をディープフェイク化してみることにしました。無表情のセルフィー動画から始め、Omni に「パスタの皿を食べる私」「飛行機の座席に座っている私」「エッフェル塔の前でバゲットをかじっている私」という動画を生成するようプロンプトを入力しました。そして、実際に目にしたものに対して私は全く準備ができていなかったと心から言えます。

私のディープフェイク動画には AI 特有の痕跡が見られます。フォークがパスタの入ったボウルに当たる音は少し作り物っぽすぎます。飛行機動画の背景には、2 回登場する女性が写っています。しかし、これらの小さな不具合や漠然とした不気味さを感じさせる点を除けば、それらは非常に説得力があります。

このコンテンツは、あなたのクッキー設定のために表示されていません。このコンテンツを読み込むには、以下の「許可」ボタンをクリックして、「ソーシャルメディアおよび埋め込みコンテンツ」のクッキーをオプトインしてください。これらのクッキーは、埋め込みコンテンツの出所となる第三者ソースによって設定・管理されます。

私は夫にパスタを食べる動画を見せました。彼はその私が AI 動画ツールを試していることは知っていましたが、シーン内のどの部分が AI で生成されたのかには言いませんでした。何が AI 生成なのか知らされないまま、彼は私がカメラの前でパスタを食べているのだと思い込み、「何かおかしいのはボウルが見慣れないからだけだ」と言いました。パスタを食べる様子自体は、過去 10 年間ほぼ毎日私を実際に見てきた夫ですら納得させるのに十分リアルでした。

私の他のディープフェイク作品は、ソーシャルメディアで人を欺くには「まあまあのレベル」のものがほとんどです。エッフェル塔を撮った動画のいくつかは少しアニメチックな雰囲気がありますが、そのうちの一つは十分に説得力があり、AI だと気づくために何度か見直す必要があるかもしれません。AI が生成した私が頭を振ってポニーテールに結んだ髪を見せる瞬間には「あれは私ではない」と私はわかります。しかし、他の人が違いに気づくかどうかは確信が持てず、それが奇妙な感覚を抱かせます。

私たちは間違いなく不気味の谷の奥深くにいるのです

正直に言うと、すべてに少し疲れ果てています。Veo 3 をテストしたときは、その生々しさのレベルに驚きました。ここ数年、偽の写真の中に偽の人々を何度も作り出すことがいかに簡単かにも驚かされています。Omni についてもおそらく驚くべきことのはずで、実際そう感じているのですが、その衝撃はすでに薄れています。

Google が信じてほしいほどには、AI で生み出された映画のような傑作を作るのがまだそれほど簡単ではありません。しかし Omni は、Veo と比べていくつかの明確な点で改善されています。Google アカウントとクレジットカードをお持ちであれば、自宅で座っている自分の動画を撮影するだけで、わずかな労力でマウイ島へのフライトにいるかのような映像に作り変えることができます。私たちはまさに「特異点のふもとの丘」[foothills of the singularity] にあるとは言い切れませんが、間違いなく不気味の谷（uncanny valley）の奥深くに入っているのは確かです。

*本記事に掲載されているすべての画像と動画は、Google Gemini によって生成されたものです。*

6 コメント

このストーリーのトピックや著者をフォローして、パーソナライズされたホームページフィードで類似の記事をもっと見たり、メール更新を受け取ったりしてください。

Allison Johnson

原文を表示

Last year I deepfaked my kid’s stuffed animal to make it look like his plush deer was on vacation.

It was an experiment to see if I could re-create the events depicted in a Gemini ad Google was running, and I never showed the videos of Buddy the deer on his adventures to my four-year-old. But it was a revealing exercise that made me think a lot about the difference between some harmless fun with generative AI and full-on slop. Maybe that Venn diagram is a perfect circle! Maybe not. But what I know for sure is that the tools to make realistic videos are surprisingly good, requiring surprisingly little effort and know-how. And that trend is continuing hot into Gemini’s Omni era.

Omni is a new family of generative models that will allegedly one day be able to turn any kind of input — photo, video, text — into anything else. But for starters, it’s just creating video. Omni Flash is the first of these models Google has released, now available in the company’s AI video generation and editing platform, Flow. You can still use the previous model, Veo, if you want, but Omni improves on Veo in a few ways.

With Omni, you can upload a video and use that along with a text prompt as the starting point for your AI-generated creation. Google also claims Omni incorporates more real-world knowledge when producing videos and can do a better job of keeping characters consistent throughout a video as a result. There was only one way to really know if those claims are true: I brought back AI Buddy to pack his little AI-generated bags for another adventure.

This content isn't visible due to your cookie preferences. To load this content, click the Allow button below to opt in to "Social Media & Embedded Content" cookies. These cookies are set and controlled by the third party sources from which the embedded content originates.

The results are such a mixed bag they’re baffling. Some were very good — much more consistent and true to my prompt than when I was testing out Veo five months ago. But even the best clips Omni cooked up for me still have certain AI jump scares, like when Buddy suddenly switches orientation while he’s skydiving.

For another video, I gave Omni some artistic freedom. “Create a montage of Buddy packing for a vacation and embarking on a cruise ship for a tropical vacation. The mood is cute and playful. Buddy packs something funny in his suitcase that comes into play later in the clip.” It had Buddy pack a jar of honey; later in the clip he reaches for it as if it’s a bottle of sunscreen. “Uh oh,” the character says as he squirts honey onto his hoof.

Honestly, not a bad bit. Except that the bottle of honey constantly changes throughout the video, from a jar, to a clear squirt bottle filled with water, then back to a squeeze bottle filled with honey. And I can’t even begin to describe how the model came up with the final frame of the video — almost as if it just barfed up a bunch of elements of the sequence it just made.

You can use text-based prompts to suggest edits to your videos, and I’ll give Google credit: This works better with Omni than it did when I tested Veo 3. But the results were *bad* with Veo — so bad that I found it way easier to just prompt a new video from scratch every time I wanted something changed. Omni will actually take your edits on board, but the results don’t always hit.

I had it emphasize Buddy’s facial reactions in his vacation clips, and the results just wound up looking strange. It would also give Buddy antlers from time to time, which he does not have. Buddy is a *baby*, thank you very much. When I prompted it to remove the antlers that appeared in one scene, it obliged — and then added antlers in all the other ones.

The thing is, none of this is free. Generating videos costs credits, varying from 15 to 40 credits based on the length of the scene and the “ingredients” you start with. One round of edits costs 40 credits. I have the $20-per-month AI Pro plan that comes with 1,000 credits each month. After around 20 clips generated with a few edits on some, I’m down to 145. If you have specific ideas about the video you want Omni to generate, you might be looking at a lot of costly back-and-forth with the model to get a video that’s close to your vision.

I can genuinely say I wasn’t prepared for what I saw

One of Omni’s purported strengths is adding AI-generated stuff to real videos, so I gave Buddy a break and deepfaked myself. Starting with a selfie video with a neutral expression, I prompted Omni to generate videos of me eating a plate of spaghetti, sitting in an airplane seat, and standing in front of the Eiffel Tower taking a bite out of a baguette. And I can genuinely say I wasn’t prepared for what I saw.

There are AI tells in my deepfake videos. The clink of the fork hitting the bowl of pasta is a little too manufactured. There’s a woman in the background of the airplane video who shows up twice. But aside from those little glitches and a vaguely uncanny sense about them, they’re convincing as hell.

I showed my husband the pasta clip; he knew I was testing an AI video tool but I didn’t tell him what in the scene had been generated by AI. Without knowing what was AI-generated about it, he bought that I was sitting in front of a camera eating pasta, and said that his only clue something was up was that the bowl looked unfamiliar. The pasta-eating itself looked real enough to convince *my husband*. A man who has looked at me in real life basically *every single day for the last decade*.

My other deepfakes are varying levels of “good enough to fool people on social media.” A couple of the Eiffel Tower clips look slightly cartoonish, but one of them is convincing enough that you might need to rewatch it a few times to clock that it’s AI. *I* know it’s not me when the AI me turns her head and reveals her hair pulled back in a ponytail. But I’m not sure anyone else would know the difference, and that makes me feel weird.

We’re definitely deep in the uncanny valley

I’m a little exhausted by it all, to be honest. I was shocked when I tested Veo 3 at the realism it could produce. I’ve been shocked at how easy it is to make fake people in fake photos again and again over the past few years. I should probably be shocked by Omni too, and I guess I am, but the edge has worn off.

It’s still not quite as easy to make an AI-generated cinematic masterpiece as Google would like you to believe. But Omni does improve on Veo in some recognizable ways. If you have a Google account and a credit card, then you can take a video of yourself sitting at home and make it look like you’re on a flight to Maui with a trivial amount of effort. I don’t think we’re at the “foothills of the singularity” exactly, but we’re definitely deep in the uncanny valley.

*All images and videos in this story were generated by Google Gemini.*

6 Comments

Follow topics and authors from this story to see more like this in your personalized homepage feed and to receive email updates.