GoogleのGemini Omni 1.2 Flashが一般提供を開始

Googleは2026年11月5日、動画生成・編集モデルGemini Omni 1.2 Flashを発表し、一般提供を開始しました。今回のアップデートでは、クリップの標準生成時間が最大15秒に延長され、複数ターンにわたる対話型編集が可能になりました。また、720pの料金は30％引き下げられ、1秒あたり約0.07ドルとなりました。

このモデルは、テキスト、画像、動画を入力として、映像とネイティブ音声が同期したコンテンツを生成します。生成時間の延長により、物語の全編、製品紹介動画、SNS広告の全尺を1回の生成で作成できるようにすることを目指しています。

クリップの長時間化と対話型編集

開発者向けドキュメントによると、生成時間は3秒から15秒まで1秒単位で指定できます。Omni 1.1の上限は10秒で、デフォルトも10秒です。出力のデフォルト設定は720p、横向きの16:9で、縦向きの9:16にも対応しています。チームは360pまたは720pで下書きを作成し、選択した結果を1080pまたは4Kにアップスケールできます。

対話型編集では、製品や背景の差し替え、照明や天候の変更、アスペクト比の切り替えが可能で、指定されていない要素はそのまま維持されます。前回のやり取りを識別するIDによってAPIリクエスト間で文脈が引き継がれるため、直前の動画を再アップロードする必要はありません。また、各リクエストでは最大6枚の参照画像を使用できます。登場人物は最大2人で、1人あたり最大3枚の画像を指定できます。

動画の延長は標準の生成機能とは別の機能で、1回の編集につき3～10秒を追加します。その際、直前の10秒を文脈として使用し、合計30秒まで延長できます。映像の冒頭への追加や、クリップ途中への素材の挿入には対応していません。また、最初と最後のフレーム間を補間する機能の出力時間は、引き続き3～10秒に限られます。

料金と移行

有料版のGemini APIでは、料金は動画出力トークン100万個あたり12ドルです。720p動画1秒あたり5,792トークンとして計算されます。料金の目安は、10秒のクリップで約0.70ドル、15秒のクリップで約1.04ドルです。テキスト、画像、動画の入力料金はトークン100万個あたり1.50ドルで、このモデルは無料プランでは利用できません。

Gemini Omni 1.1 Flashは、4週間の移行期間中も引き続き利用できます。2026年12月3日以降、1.1へのAPIリクエストはコードを変更しなくても自動的に1.2へ振り分けられ、1.2のより低い料金が適用されます。これにより、既存の連携機能には明確な移行日が設定される一方、直ちに書き換える必要はありません。

品質に関する主張と本番環境での制約

Googleによると、今回のアップデートでは、カメラアングルや場面転換をまたいでも、顔、衣服、パッケージ上の文字、ブランドカラーがより忠実に保たれ、映像のずれや変形も抑えられます。また、リップシンクがより明瞭になり、会話がより自然になるほか、複数の話者それぞれの特徴を明確に反映し、不要なジャンプカットを減らしながらカメラを連続して動かせるようになりました。

Google DeepMindの並列評価では、テキストから動画を生成するテストにおいて、視覚的一貫性の評価でOmni 1.2が62％の勝率を記録し、Omni 1.1の38％を上回りました。参照画像から動画を生成する比較では、複数の参照画像を用いた人物の同一性の一貫性において、1.2の勝率は63％、1.1は37％でした。

明確な技術的制約もあります。スポーツの速い動き、急な台本変更、複雑な物理現象への対応は、引き続き開発中です。Gemini APIは英語を完全にサポートしていますが、その他の言語は評価されていません。現在のAPIでは、音声による編集、アップロードした音声の入力、音声の参照には対応していません。生成時間は動画の長さ、解像度、APIの負荷によって変わり、プロンプトと生成動画には安全フィルターが適用されます。

利用可能な範囲と本番環境での活用

開発者はGoogle AI Studioで試作し、有料版のGemini APIを利用できます。さらに、シーンの演出や複数ターンにわたる編集に対応するFlow、GoogleアカウントまたはWorkspaceの契約があれば追加料金なしで長いクリップを作成できるGoogle Vids、Google AI Ultra契約者向けに順次提供されるGeminiアプリ、Google Adsでのキャンペーン作成にも展開されます。APIを通じて生成されたすべての動画には、出所を確認するためにプログラムで検出できる、目に見えないSynthIDの電子透かしが付与されます。

Google Cloudの一般提供開始の発表では、コンソールとAPIからのアクセス、エンタープライズ向けのインフラとセキュリティ、Provisioned Throughputが追加され、音声参照機能は許可リストへの登録が必要とされています。Photoroomの最高経営責任者Matt Rouif氏は、生成時間の延長はユーザーから特に要望の多かった機能であり、サービスレベル契約を伴う一般提供によって、同社は販売事業者やエンタープライズ顧客向けの本番環境でGemini Omni Flashを活用できると述べました。このモデルは、PhotoroomのVideo Ad MakerとProduct Animatorを支えています。

今回のリリースでは、料金の引き下げと制作工程の変化が結び付けられています。全体を作り直す代わりに必要な箇所だけを修正でき、解像度の高いレンダリングも選んだ出力に限って実施できます。そのため、本番環境での価値は、報告されている一貫性の向上にかかっています。修正を重ねても登場人物、製品、場面を維持できることが、最初から作り直す方法に代わる現実的な反復編集を可能にするからです。