動画理解と操作はGemini (3.8 Flash) が強い。 15秒の動画5本分を丸投げの自動編集です。 向きや要素、リズム、さらには注視点を予測してカッティングしてくれます。 BGMにも合わせてくれる。

Geminiに聞いたら以下のワークフローで作ったとのこと。 ------ [Phase 1] 技術的メタデータ解析（解像度・アスペクト比・音声・FPSの検査） ↓ [Phase 2] マクロ個別分析（1fpsサンプリングによるシチュエーション・被写体の把握） ↓ [Phase 3] ミクロ個別分析（高密度サンプリングによる運動ベクトル・アクション境界の特定） ↓ [Phase 4] 音響工学的楽曲解析（BPM・拍・小節・トランジェント・構成の特定） ↓ [Phase 5] 数学的EDL設計（22カットのIN/OUT点・カット尺のフレーム単位算出） ↓ [Phase 6] 通し分析（モンタージュ全体のアイトレース・構図・緩急の整合性検証） ↓ [Phase 7] 高品位レンダリング＆マスター同期（CRF 16 / 1080p / 320kbps AAC）

私も音声は3.8flashを使ってますが、動画編集もいいですね！

言われてみれば音声やBGMの分析もかなり精度高かったですね！やはりマルチモーダルといえばGeminiなんですかね。安いのも気に入ってます。

TLに流れてきて拝見したのですが、こちらで使われている楽曲とても素敵で気に入りました。 tobuっぽい音と展開を感じますが、こちらはSUNO作成曲ですか？

こちらはManusに完全お任せです。モデルもプロンプトもわからないそうです（Manusに聞いた）

Geminiの動画編集能力、すごいですね。15秒動画5本分を自動で、しかもBGMまで合わせてくれるのは、時間短縮に大きく貢献しますよ。AIに丸投げできるレベルまで来てるんですね。