Gemini Omni 1.2 Flashで動画生成。最大15秒、料金は30%安く
GoogleのGemini Omni 1.2 Flashは最大15秒の動画生成に対応。会話で動画を編集でき、720pは1秒0.07ドル。できることと料金を解説。
この記事の他の言語版:العربيةDeutschEnglishEspañolFrançaisItalianoPolski简体中文
この記事の内容
Google DeepMindは11月5日、動画の生成と編集を行うモデルの新バージョンGemini Omni 1.2 Flashを公開しました。Gemini Omni Flashによる動画生成は最大15秒のクリップに対応し(Omni 1.1では10秒)、続くメッセージで修正を重ねられるようになりました。Gemini APIとGoogle Cloudで一般提供が始まり、720p動画の1秒あたりの料金は30%下がっています。
Gemini Omni 1.2 Flashの動画生成で何が変わった?
Googleの発表によると、主な変更点は次のとおりです。
- 最大15秒のクリップ: 長さは3〜15秒の範囲で1秒刻みに設定できます。
- 会話による編集: すべてを作り直すのではなく、次のターンで商品や背景を差し替えたり、照明、天気、アスペクト比を変えたりできます。
- リファレンスへの忠実さの向上: キャラクター、商品、スタイルの画像や短いモーションクリップ(最大3秒)を受け付け、顔、服装、パッケージの文字、ブランドカラーがカメラアングルを変えても同じに保たれるとされています。
- 映像の「ドリフト」の軽減: 最初と最後のフレームの間のずれが減り、キーフレーム間の補間やクリップの延長でも同様です。
- より自然な会話: リップシンクがはっきりし、1つのシーンに複数の話者を登場させられます。
- 複雑なカメラワーク: 意図しないカットが減っています。
面白いことに、Googleは具体的な作業の流れも提案しています。360pか720pで下書きを作り、会話で修正し、最後に1080pか4Kへアップスケールするというものです。すべてのクリップには目に見えないSynthIDの透かしが入ります。
Gemini Omni 1.2 Flashの料金は?
Gemini APIの料金ページによると、このモデルは有料プランのみで(無料プランにはありません)、動画トークン100万あたり12ドルで課金されます。1秒あたりに換算すると次のとおりです。
| 解像度 | 1秒あたりの料金 |
|---|---|
| 360p | 約0.023ドル |
| 720p | 約0.07ドル |
| 1080p(アップスケール) | 約0.104ドル |
| 4K(アップスケール) | 約0.209ドル |
つまり720pで15秒のクリップを1本作ると約1.05ドルです。Omni 1.1 Flashはトークン100万あたり17.50ドル、720pで1秒約0.10ドルでした。2026年12月3日からは、1.1へのリクエストはすべて1.2に転送され、新しい料金で課金されます。
Gemini Omni 1.2 Flashを試すには?
Googleは次の場所を挙げています。
- Google AI StudioとGemini API: モデルIDは
gemini-omni-1.2-flashです(ドキュメント)。 - Google Cloud: コンソール(Vertex AI Studio)とAPIから。Provisioned Throughputにも対応しています。
- Flow: シーンの演出や複数ターンでの修正に。
- Google Vids: GoogleアカウントかWorkspaceのサブスクリプションがあれば、15秒のクリップを追加料金なしで作れます。
- Geminiアプリ: Google AI Ultraの契約者に順次提供中です。
- Google Ads。
APIでは、クリップのアスペクト比は16:9か9:16で、長さはデフォルトで10秒です。参照画像は最大6枚(キャラクター1人につき最大3枚、キャラクターは最大2人)まで追加でき、動画は1ターンごとに3〜10秒、合計30秒まで延長できます。
なぜOmni 1.2が話題なのか?
Googleの記事はHacker Newsのトップページに載り、300ポイント以上、200件以上のコメントを集めました。ただ、反応は分かれています。キャラクターの一貫性を評価する声がある一方で、15秒の動画が実際に何の役に立つのかと問う人もいれば(答えは、主にBロールと広告)、Googleのアプリ間でのわかりにくい展開に不満を漏らす人もいます。
さらに料金の話もあります。音声付きで会話による編集もできる動画が、720pの15秒クリップ1本あたり約1ドルです。しかも、ここ数週間でGoogleが出したビジュアル系の生成モデルはこれだけではありません。10月末にはDeepMindがGenie 4を発表しています。
注意すべき点は?
1つ目は、Google自身が挙げている制約です。速いスポーツの動き、急なシナリオの変化、複雑な物理表現にはまだ課題があります。
2つ目は言語です。ドキュメントによると、完全にサポートされているのは英語で、ほかの言語はテストされていません (プロジェクト全体を組み立てる前に、日本語のセリフを短いクリップ数本で確認しておきましょう)。
3つ目は、アプリとAPIの違いです。発表では音声のヒントをリファレンスとして使えるとされていますが、APIのドキュメントによると、音声のアップロードにはまだ対応していません。
4つ目は、数字がないことです。Googleはベンチマーク結果もほかの動画モデルとの比較も公開していないので、一貫性が向上したという約束は、独立したテストが出るまで割り引いて受け止めましょう。ちなみに、その数日前にはOpenAIがChatGPTにImages 2.6のアニメーションGIFを追加しています。
よくある質問
Gemini Omni 1.2 Flashとは?
Google DeepMindが2026年11月5日に公開した、音声付き動画の生成と編集を行うモデルです。テキスト、画像、短い参照動画から3〜15秒のクリップを作り、続くメッセージで修正できます。
Gemini Omni 1.2 Flashは無料?
Gemini APIでは無料ではありません。有料プランのみで、360pで1秒約0.023ドルからです。Google Vidsなら、GoogleアカウントかWorkspaceのサブスクリプションで15秒のクリップを追加料金なしで作れます。
Omni 1.2とOmni 1.1の違いは?
Omni 1.2は10秒ではなく最大15秒のクリップを作れ、リファレンスへの忠実さが増し、会話で動画を編集でき、720pの1秒あたりの料金が30%安くなっています。2026年12月3日からは、1.1へのリクエストは1.2に送られます。