Gemini Omni 1.2 Flash徹底検証：15秒動画とAPI価格

👁 112閲覧数

随時更新中。2026年11月5日夜時点：Gemini Omni 1.2 Flashリリースの最新情報。

Googleは2026年11月5日、動画生成モデルの最新バージョン「Gemini Omni 1.2 Flash」を公開しました。生成可能な動画の長さは従来の10秒から最大15秒へと拡張され、価格は720pで1秒あたり0.07 USDと約30%引き下げられました。複数人の会話品質の改善、より滑らかなカメラワーク、そしてクリップ全体にわたる対話形式の編集機能を備えています。初日からGemini API、Vertex AI、各種プロバイダー経由で利用可能となったため、公開当日の夜に筆者自身で24本のクリップを生成してテストしました。機能検証、競合5モデルとの比較、ポーランド語音声の精度テスト、4Kまでのアップスケーリングを含め、かかった費用は合計で13.02 USDでした。

Gemini Omni 1.2 Flashの要点

• モデルID：gemini-omni-1.2-flash（2026年11月5日より安定版提供開始）。
• 生成時間：3秒から15秒まで（1秒単位で指定可）。延長機能により合計最大30秒まで対応。
• 解像度：ネイティブ対応は360pおよび720p。アップスケーリングにより1080pおよび4Kに対応。アスペクト比は16:9と9:16。
• API価格：動画トークン100万あたり12 USD。計算上、1秒あたり360pは約0.023 USD、720pは0.07 USD、1080pは0.104 USD、4Kは0.209 USD。音声生成費用込み、無料枠なし。
• 参照機能：静止画は最大6枚まで（キャラクター1人につき最大3枚、最大2人まで）。最大3秒の短いモーションクリップにも対応。音声の参照機能はAPIに未搭載。
• 対話形式の動画編集：生成済みクリップに対して、最初から作り直すことなく背景、製品、照明、天候、アスペクト比などを順次修正可能。
• 利用環境：Google AI StudioのGemini API、Vertex AI、Flow、Google Vids（追加料金なしで15秒動画に対応）、Geminiアプリ（Google AI Ultra向けに15秒対応を順次展開）、Google Ads、OpenRouter。
• バージョン1.1の扱い：2026年12月3日以降、1.1宛てのリクエストは新料金が適用された上で1.2へ自動的にリダイレクトされます。
• 地域制限：生成機能は利用できますが、欧州経済領域（EEA）、スイス、英国ではユーザーがアップロードした動画の編集や延長機能は引き続き提供されていません。

11月5日の実測データ

• カメラワークの大幅な進化：被写体の周囲を360度回転する指示において、Omni 1.2のみがカットを割らずに完全なワンテイクの旋回を実現しました。Veo 3.1 LiteやWan 3.0はカメラが固定されたままで、Klingは途中で映像がカット分割されました。詳細はOmni 1.2のカメラワーク検証で解説しています。
• 多言語発話とリップシンク：筆者がポーランド語の台白を指定してテストしたところ、教師のシーンや3人での会話シーンでは一言一句正確に再現されましたが、バーベキューのシーンでは半文ほど脱落が見られました。一方でVeoとWanは完全に発話しました。詳細は多言語リップシンクの検証を参照してください。
• プロバイダー経由での編集機能のエラー：サードパーティのプロバイダー経由で対話型編集を5回試行したところ、5回ともエラーとなりました。また参照画像を用いた季節の変更も反映されず、元の夏の風景のまま出力されました。詳細は対話型動画編集のテストにまとめています。
• 解像度変更時の挙動：同一のシード値であっても、360pと1080pでは全く異なるシーンが生成されました。詳細はGemini Omni 1.2の利用コストで取り上げています。

生成作例の検証

競合比較だけでなく、モデル自体の基礎的な描写性能も検証しました。トラムの車内を描いたアニメ調の映像、ピクルスの広告風クリップ、マンション屋上での縦型動画、3人での会話劇などをテストしています。

01Gemini Omni 1.2 Flash実機検証：ノーカット15秒生成と複数人対話Google DeepMindの動画生成AI「Gemini Omni 1.2 Flash」を公開当日に徹底テスト。最大15秒のワンカット撮影や音声同期の精度を検証します。読む →02Gemini Omni 1.2のカメラワーク検証: FPV飛行、人物周囲の回転、ガラス通過動画生成AI「Gemini Omni 1.2 Flash」のカメラワーク制御を実機検証。FPV飛行や人物回転撮影、ガラス通過カットの追従性を他社モデルと比較します。読む →

比較検証とベンチマーク

01Gemini Omni 1.2とSeedance、Kling、Veo、Wanを比較：動画生成AI 6モデル検証Gemini Omni 1.2 Flash、Veo 3.1、Seedance 2.0、Wan 3.0、Kling 3.0を同一プロンプトで徹底比較。カメラワークと音声精度のテスト結果をまとめました。読む →02Gemini Omni 1.2 Flashの価格はいくら？解像度別の秒単価とAPI料金Gemini Omni 1.2 FlashのAPI料金を検証。720p動画の秒単価0.0695ドル、360pから4Kまでの解像度別コスト、主要競合モデルとの価格比較をまとめました。読む →03Gemini Omni 1.2と1.1を徹底比較：同じプロンプトでの動画生成テストGoogle DeepMindの動画生成AI「Gemini Omni 1.2 Flash」と1.1を同条件で比較検証。コスト31%減と人物の一貫性向上の詳細をレビューします。読む →

• Omni 1.2対Seedance、Kling、Veo、Wan：同一プロンプトを用い、2つのシーンで計6つのモデルを比較。
• Gemini Omni 1.2の料金体系：1秒あたりのコスト、360pから4Kまでの解像度別コスト、競合モデルとの価格比較。
• Omni 1.2と1.1の違い：価格引き下げ以外の出力クオリティの変更点。

使い方とプロンプトガイド

01Gemini Omni 1.2 Flashプロンプト作成術：7つの原則と実践例9選Googleの動画生成AI「Gemini Omni 1.2 Flash」向けプロンプトのコツを解説。カット防止やセリフ指定など7つの原則と検証済みプロンプト9選。読む →02Gemini Omni 1.2の対話型動画編集機能とは？仕組みと初日テストの失敗検証Gemini Omni 1.2 Flash注目の対話型動画編集。プロンプトによる部分修正の仕組み、API検証でのエラー、回避策の限界をレポートします。読む →

• Gemini Omni 1.2向けプロンプトのコツ：効果的だった7つの原則と9つの実践的な指示文。
• 対話形式による動画編集の仕組み：編集機能の使い方と利用可能な環境、地域による制限事項。

旧バージョン：Omni Flashおよび1.1の記録

以下はバージョン1.1提供時点（2026年10月9日）の評価内容です。記載された価格や機能制限は当時の1.1に基づくものです。現在、本モデルはOpenRouterなどでも提供されています。

随時更新中。2026年10月9日時点の情報。

Gemini Omni Flashは、Geminiアプリ内でVeoの後継として採用されたGoogle DeepMindの動画生成モデルです。テキスト、静止画、短尺動画から3-10秒の音声付きクリップを生成し、シーンを最大40秒まで延長できるほか、チャット上で動画を編集する機能を備えています。Artificial AnalysisのImage-to-VideoベンチマークではEloレーティング1178を獲得し第4位に位置付けられました。これはVidu Q4に1ポイント差、MiniMax H3に3ポイント差の水準です。API利用時のコストは720pで1秒あたり約0.10 USDです。なお、EEA、スイス、英国ではユーザー自身の動画をアップロードして編集する機能は提供されていません。Omni Flashの3ポイント下にはHiDream-O1-Video（1175 Elo、Image-to-Video部門6位）が並びます。Text-to-Video部門においてOmni Flash 1.1は第8位で、FLUX 3 Videoの後塵を拝しつつSkyReels V4をわずかに上回っています。

Gemini Omni Flashとは

Gemini Omniは、Googleが2026年5月19日の「I/O 2026」で発表したモデル群です。Google DeepMindは、動画をはじめとする「あらゆるものから、あらゆるものを創り出す」モデルへの第一歩と位置付けています。Geminiシリーズが持つ高度な世界理解と、Veoで培われた映像生成技術を統合した設計となっています。DeepMindのNicole Brichtova氏は米TechCrunchの取材に対し、Veoの単なるアップデートではなく、Geminiの知能とマルチモーダル生成能力を融合させた全く新しいモデルであると語っています。

Flashはその最初のバリアントとなります。これまでの経緯：

• 2026年5月19日 - Geminiアプリ、Google Flow、YouTube Shortsにて先行公開。
• 2026年6月30日 - Gemini APIにてプレビュー版（gemini-omni-flash-preview）の提供開始。
• 2026年8月27日 - 安定版「Gemini Omni 1.1 Flash」リリース。シーン延長、開始・終了フレームの指定、4Kアップスケーリング、安価な360pプレビューに対応。
• 2026年9月30日 - プレビュー版の提供終了。
• 2026年10月22日 - Gemini APIにおけるVeo 3.1 previewの提供終了に伴い、Omniへの移行が案内。

上位モデルとなる「Omni Pro」も告知されていますが、Flashに対して明確な性能飛躍が確認できた段階で公開するとしており、具体的な日時は未定です。

スペック仕様

利用方法と導入手順

1. Geminiアプリ：Google AIの有料プラン（Plus、Pro、Ultraなど、18歳以上のアカウント）に加入し、チャット欄で動画作成を選択して情景をテキストで指示するか、最大5枚までの画像を追加します。
2. Google Flow（labs.google/flow）：モデル一覧からGemini Omni Flashを選択します。消費ポイントは720pで長さにより7-15ポイント、360pで4-5ポイントです。
3. Gemini API：Google AI StudioからAPIキーを取得し、モデルgemini-omni-1.1-flashを指定してInteractions API経由で呼び出します。Omniには無料枠がありません。
4. サードパーティプロバイダー：fal.ai（google/gemini-omni-flash/v1.1/text-to-video）やReplicate（google/gemini-omni-1.1）経由で利用可能です。筆者の検証もfal.aiを用いて行いました。

なお、EEA、スイス、英国では、ユーザー自身がアップロードした動画に対する編集や延長機能は提供されていません。延長や対話編集が可能なのはモデル自身が生成したクリップに限られます。またこれらの地域では未成年者が写っている画像のアップロードおよび編集にも制限が課されています。

API価格とコストの目安

GeminiアプリやFlowではサブスクリプション課金またはポイント制となります。一方、APIでは生成秒数に応じた従量課金（税別USD）となります：

720pの単価はGemini APIの公式価格（1秒あたり5792トークン、100万トークンあたり17.50 USD、実質約0.10 USD）に基づいています。その他の解像度はfal.aiの価格設定によるものです。720p動画の1分間あたりのコストは約6 USDとなり、Artificial Analysisの算出データと完全に一致しています。

Artificial Analysisにおけるベンチマーク順位

Artificial Analysisは、同一プロンプトから生成された2つの動画を評価者がブラインドで比較する評価方式を採用しています。Omni Flashは開始フレーム画像を指定するImage-to-Videoモードで非常に高い評価を獲得しています：

グラフのスケールは1000 Eloから始まっています。Omniの信頼区間は1171-1185であり、2位から6位の間は統計的にほぼ同等の水準です。一方で、Omniが置き換える対象であるVeo 3.1（12位、1082 Elo）との間には顕著な性能差が確認できます。

筆者による実機テスト：質感・発話精度・カメラ指示

Gemini Omni Flash 1.1をfal.ai経由で720pにて2回テストし、他モデルと同一プロンプトで挙動を比較しました。動画生成AIランキング（10モデル比較、9月28日）ではスコア8.0/10を獲得し、Veo 3.1やFLUX.3 Videoと並んで3位タイとなりました。10月3日の雨の夜のトラムを描くテストではVeo 3.1 Liteに及ばない結果となりました。

テストから得られた傾向として、発話能力自体はH3 MaxやGrok Imagine 1.5などの上位陣と同等に高いものの、英語プロンプトを極めて文字通りに解釈する癖があります。撮影機材の指定が映像内の小道具として誤認されることがあるため、「tripod」ではなく「the camera does not move」のように機材名を含めない具体的な動きの指示が適しています。

Gemini Omni FlashとVidu Q4、MiniMax H3、Seedanceの比較

用途に応じた選び分け：

• 静止画からの品質とコストパフォーマンスを最重視：MiniMax H3 Max - 1位の精度で1分あたり4.80 USD。
• 多言語での正確なリップシンク：Omni FlashまたはH3 Max - 筆者のテストでは両者ともにノーミスを記録。
• 1枚の画像から長尺ショットや4K動画を生成：Vidu Q4 Preview（最大16秒）。ただしText-to-Videoには非対応。
• テキストのみからの生成：Omniは8位にとどまるため、MiniMax H3またはWan 3.0が有力。
• APIではなくアプリのサブスクリプションで利用したい場合：Geminiアプリ内で利用可能なOmniが適しています。

どのようなユーザーに向いているか

• Google AIプランの加入者：追加のAPI費用をかけることなくGeminiアプリから直接利用可能です。
• セリフ付きの短尺動画クリエイター：発音テストにおいて極めて高い再現精度を発揮しました。
• Veo 3.1 previewを利用していた開発者：Veoの後継モデルであり、720pにおいてはVeo 3.1 Fastと同等の料金水準で移行できます。
• アップロードした動画の編集を希望するEEA地域のユーザーには不向き：EEA、スイス、英国ではユーザー動画の編集機能が制限されています。

よくある質問

Gemini Omniは無料で利用できますか？

Geminiアプリでは無料利用はできず、Google AIの有料プラン（Plus、Pro、Ultraなど）が必要です。なお、Google Flowでは無料アカウントにも1日50ポイントが付与され、360pのOmniクリップであれば4-5ポイントで生成可能です。

Veoとの主な違いは何ですか？

Omniは最長40秒までのシーン延長、360pの低価格プレビュー、対話形式での編集に対応し、Image-to-Videoのレーティングも向上しています（Veo 3.1の1082 Eloに対しOmniは1178 Elo）。一方で、従来のVeoにあったQualityモードは廃止されています。

プロンプトは多言語に対応していますか？

Googleの公式仕様上、完全にサポートされているのは英語のみです。そのためプロンプト内の状況描写は英語で記述し、セリフ部分のみ目的の言語で指定する方法が最も安定します。

Gemini Omniの1分あたりの利用コストは？

API利用時、720p（音声付き）で1分あたり約6 USD（1秒あたり0.10 USD）、360pで約1.80 USD、4Kで約18 USDとなります。

Gemini Omni Proはすでに公開されていますか？

いいえ。Googleから開発の存在は発表されているものの、Flashを明確に超える性能向上が確認できるまで公開されない方針となっており、具体的なリリース日は未定です。

OpenRouterで利用可能ですか？

2026年10月9日時点では対応していませんでしたが、最新の1.2 FlashバージョンではOpenRouterでも提供されています。

// 続きを読むGemini 4 Carbonは日本でいつ使える？料金と提供時期AIツールSeedream 5.0 Flash画像APIの料金解説 - 1枚あたりの単価と100枚生成時の計算例AIツールGeminiガイド：料金プラン、使い方、テストを解説AIツール