【Gemini Omni 1.2 Flash】15秒動画を30%安く！使い方・料金を徹底解説

2026年11月6日、Googleが動画生成・編集AIモデル「Gemini Omni 1.2 Flash」を公開しました！

前モデルのGemini Omni 1.1 Flashでは10秒までだった動画の長さが最大15秒に伸び、720p動画のAPI料金も1秒あたり0.07ドルと30%安くなっています。さらに、生成した動画を会話で少しずつ直せるマルチターン編集や、参照画像への忠実さも強化されました。

とはいえ、「前のバージョンから何が変わったの？」「APIで使うといくらかかる？」と気になっている方も多いのではないでしょうか。

この記事では、Gemini Omni 1.2 Flashの特徴や仕組み・使い方・料金とライセンス・業界別の活用シーンまで詳しく解説します。最後まで読めば、自社の動画制作にどう取り入れるべきかが見えてくるはずです！ぜひ最後までご覧ください。

【監修者】田村 洋樹

株式会社WEEL代表取締役 / 累計25社以上のAIアドバイザリーを担当 / 企業向けセミナー・大学講義でのべ10,000人超に登壇 / 日本HP・インテルなど、大手企業主催カンファレンスへの登壇実績多数。AI導入支援・生成AIを活用した業務改革のプロとして、アドバイザリー・PM・講演者など多面的な立場から企業を支援中。

Gemini Omni 1.2 Flashとは？

Gemini Omni 1.2 Flashは、Google DeepMindが開発した動画の生成・編集に特化したマルチモーダルモデルです。テキストや画像、動画を手がかりに音声付きの動画を作り、できあがった動画を会話でそのまま直せます。

公式ブログによると、今回のアップデートの柱は「長さ」「一貫性」「価格」の3点です。Gemini APIとGoogle Cloudのビジネス向け環境で一般提供（GA）が始まり、Gemini Omniとして初めて本番運用を前提にした提供形態になりました。

主な仕様は次のとおりです。

前モデルのGemini Omni 1.1 Flashについて詳しく知りたい方は、以下の記事も参考にしてみてください。

WEEL

【Gemini Omni 1.1 Flash】4K動画生成＆40秒シーン拡張が可能になったGoogleの最新動画生成AIの使い方・料… Gemini Omni 1.1 Flashは、Googleが公開した動画生成・編集向けAIモデル。シーン拡張で最大40秒の動画作成、4Kアップスケーリング、360pドラフトモードに対応。本記事では…

最大15秒の動画を1秒刻みで生成できる

いちばんわかりやすい変化は、1回で作れる動画の長さです。Omni 1.1 Flashでは10秒が上限でしたが、1.2 Flashでは最大15秒の動画をネイティブに生成・編集できるようになりました。

長さは3〜15秒の範囲で1秒刻みに選べます。SNS広告でよく使われる15秒枠をつなぎ合わせずに1本で作れるため、編集で継ぎ目を隠す手間がかかりません。

公式ブログでも、ひとつの物語を完結させる動画や商品の説明動画、SNS広告を1回の生成で作れる点が強調されています。尺の決まった広告枠に合わせて動画を量産したい企業にとって、扱いやすさが一段上がったといえるでしょう。

参照素材への忠実さと一貫性が向上した

2つ目の改善点は、参照素材を最初から最後まで守る力です。人物・商品・スタイルの画像に加えて、最大3秒の動きのクリップや音声の手がかりを組み合わせて指示できます。

Googleによると、顔や衣服、パッケージの文字、ブランドカラーがカメラアングルが変わっても崩れにくくなったとのこと。手持ちの商品写真やキャラクター設定画から、バーチャル試着やカタログ用の回転動画を作るといった使い方が想定されています。

最初と最後のキーフレームをつなぐ補間や、クリップを延長して長いシーンを作る場面でも、人物や小物が別物に変わりにくくなりました。シリーズものの動画を作るときに、地味ながら効いてくる改善です。

会話形式で動画を少しずつ直せる

Gemini Omni 1.2 Flashでは、生成した動画をチャットのように何度も修正できます。商品や背景の差し替え、照明や天気の変更、アスペクト比の切り替えなどを、最初から作り直さずに1ターンずつ指示できる仕組みです。

このマルチターン編集は15秒の動画全体に対して使えます。同じ素材から配信先や視聴者ごとに広告のバリエーションを作るとき、毎回プロンプトを書き直す必要はありません。

公式ブログのデモでは、甲冑姿の2人の演技やカメラの構図を保ったまま、背景だけを森や城へ次々と入れ替えていました。部分修正のたびに全体が変わってしまう従来の動画生成AIの悩みに、正面から応えたアップデートといえます。

複数話者の会話とカメラワークが自然になった

音声面では、セリフの流れが自然になり、口の動きと声のずれ（リップシンク）も改善されました。話者ごとに声を割り当てるマルチスピーカーの条件付けにも対応しています。

公式ブログでは、4人分のキャラクターや口元の画像と、1秒ほどの声の参照から、それぞれの声を正しいキャラクターに振り分けた15秒のアニメーションが紹介されていました。

カメラワークも強化され、FPVドローン風の長回しやズームアウト、被写体を回り込む動きを、不要なジャンプカットを抑えて表現できます。一方で、速いスポーツの動きや台本の急な切り替え、複雑な物理表現は改善を続けている段階だと、Google自身が明記している点は押さえておきましょう。

Gemini Omni 1.2 Flashの仕組み

Gemini Omni 1.2 Flashは、動画の生成・編集・延長・アップスケールを1つのモデルでこなす設計になっています。パラメータ数や内部アーキテクチャは、2026年11月時点で公開されていません。

入力として受け付けるのはテキスト・画像・動画です。音声の参照は、Google Cloudでは許可制（allowlist）の扱いになっています。出力は音声付きの動画とテキストで、セリフや効果音、音楽も動画と一緒に生成される点が特徴です。

呼び出しには、会話の状態をサーバー側で保持するInteractions APIを使います。前回の生成結果のIDを渡すと、そのやり取りを引き継いだまま次の編集を指示できる流れです。思考（Thinking）機能にも対応しており、最大入力トークン数は131,072となっています。

実務では、まず360pや720pで素早く下書きを作り、気になる箇所を会話で直してから、仕上がった動画だけを1080pや4Kへアップスケールするのが基本の流れです。生成された動画には、人の目には見えない電子透かし「SynthID」が埋め込まれます。

Gemini Omniシリーズの基本的な特徴を知りたい方は、以下の記事もあわせてご覧ください。

WEEL

Gemini Omniとは？Google DeepMindの新マルチモーダル動画生成AIの特徴・使い方を徹底解説 | WEEL Gemini OmniはGoogle DeepMindの新たなマルチモーダル動画生成モデル。テキスト・画像・音声・動画を組み合わせた動画生成に対応しており、自然な会話で段階的に編集できる…

Gemini Omni 1.2 Flashの使い方

Gemini Omni 1.2 Flashは、開発者向けのAPIからGoogle Workspaceのアプリまで、さまざまな入り口から利用できます。今回は代表的な4つの方法を順に見ていきましょう。

Google AI Studioで試す

コードを書かずに挙動を確かめたい場合は、Google AI Studioから試すのが最も手軽です。

STEP

Google AI Studioにアクセス

ブラウザでGoogle AI Studioを開き、Googleアカウントでログインします。このリンクを開くと、Gemini Omni 1.2 Flashモデルが選択された状態になると思います。

STEP

課金の設定を確認

Gemini APIの料金ページでは、Gemini Omni 1.2 Flashに無料枠が用意されていません。APIキーを発行したプロジェクトで、あらかじめ課金を有効にしておきましょう。

STEP

プロンプトを入力して生成

作りたいシーンをテキストで入力し、必要に応じて参照画像や動画を添付して送信してください。生成後に「背景を夜に変えて」のように続けて送れば、同じ動画をもとに編集が進みます。

Gemini API（Python）で使う

アプリやワークフローに組み込む場合は、Googleの公式SDKからInteractions APIを呼び出すのが基本です。モデルIDに「gemini-omni-1.2-flash」を指定するだけで、1.1 Flashと同じ書き方のまま新モデルに切り替えられます。

STEP

SDKをインストール

pip install -U google-genai

STEP

APIキーを環境変数に設定

Google AI StudioでAPIキーを発行し、環境変数に登録します。

export GEMINI_API_KEY="your-api-key"

STEP

テキストから動画を生成

import base64
from google import genai

client = genai.Client()  # 環境変数GEMINI_API_KEYを読み込む

interaction = client.interactions.create(
    model="gemini-omni-1.2-flash",
    input="A barista pours latte art in a sunlit cafe, slow dolly-in, warm tones.",
    response_format={
        "type": "video",
        "resolution": "720p",     # 360p / 720p / 1080p / 4k
        "aspect_ratio": "16:9",   # 16:9 / 9:16
    },
)

with open("cafe.mp4", "wb") as f:
    f.write(base64.b64decode(interaction.output_video.data))

STEP

前の動画をもとに編集する

1回目の結果のIDをprevious_interaction_idに渡すと、同じ動画に対して追加の指示を出せます。

edit = client.interactions.create(
    model="gemini-omni-1.2-flash",
    previous_interaction_id=interaction.id,
    input="Change the time of day to a rainy evening. Keep the barista and camera move the same.",
)

with open("cafe_rainy.mp4", "wb") as f:
    f.write(base64.b64decode(edit.output_video.data))

2026年11月時点では、Gemini APIドキュメントのコード例は1.1 Flashのモデル名のままです。動画の秒数を指定する専用パラメータは確認できなかったため、尺はプロンプトの中で「15-second」のように指示するか、「[0-5s]」形式のタイムコードで場面ごとに書き分けるとよいでしょう。

Google Cloud（Gemini Enterprise Agent Platform）で使う

企業で本番運用する場合は、Google Cloudのコンソールから利用できます。モデルIDは同じく「gemini-omni-1.2-flash」で、リージョンはglobalです。

Google Cloudのモデル仕様ページから「Try in Agent Studio」を開くと、ブラウザ上でそのまま生成を試せます。

API経由で使う場合はInteractions APIが対象で、GenerateContent APIやバッチ推論には対応していない点に注意してください。

GA版として提供されているため、Provisioned Throughputで処理枠をあらかじめ確保できるのも企業向けの利点です。Google Cloudのエンタープライズ向け基盤とセキュリティのもとで動かせるので、大量の商品動画を安定して生成したい場合は、こちらの経路を選ぶと安心でしょう。

Google Vids・Geminiアプリ・Flowで使う

コードを書かない方は、普段使っているGoogleのアプリから利用するのが近道です。

Google Vidsでは、GoogleアカウントかGoogle Workspaceの契約があれば追加料金なしで15秒のクリップを生成できます。アバターや音楽、ナレーションと組み合わせて、社内向けの説明動画や営業資料を作る用途にぴったりです。

Geminiアプリでは、Google AIの加入者向けに順次提供が始まりました。Geminiアプリの公式ポストによると、15秒の動画の作成・編集はGoogle AI Ultraの加入者向けです。映像制作向けのツール「Flow」では、シーンの演出や複数ターンの編集を本格的に行えます。

Flowの基本的な使い方は以下の記事で詳しく解説しているので、参考にしてください。

WEEL

Google Flow（グーグルフロー）とは？Veo 3.1で動画生成する方法 | WEEL Google Flowは、Veo 3を活用して高品質な動画を生成できるGoogleの生成AIツールです。できることや使い方、料金、商用利用の可否、他の動画生成AIとの違いまでわかりやすく…

【実践】Gemini Omni 1.2 Flashを実際に使って検証してみた！

ここからは、Gemini Omni 1.2 Flashの新機能を実際に試していきましょう。今回は「15秒の一発生成」「会話での背景差し替え」の2つに絞って検証します。

検証はすべて、Google CloudのAgent Studio（Gemini Enterprise Agent Platform）で行います。企業での導入を見据え、GA版として提供が始まったGoogle Cloudの環境を選んでいます。

①15秒の商品紹介動画を1回で生成できるか

まずは、今回の目玉である15秒の動画生成から。場面を3つに分けたタイムコード付きのプロンプトで、尺どおりに展開してくれるかを確かめます。

A 15-second product commercial for a matte black stainless steel water bottle with the white text "WEEL" printed on the side.
[0-5s] Close-up of the bottle on a wooden desk in soft morning light, slow push-in.
[5-10s] A hand picks up the bottle and pours cold water into a glass, water droplets on the surface.
[10-15s] The bottle stands on a rock by a mountain lake, the camera orbits around it, ending on the logo.
Keep the bottle shape, color and the "WEEL" text identical in every shot. Calm acoustic music, no voiceover.

生成結果はこちら

指定どおり15秒の動画が1回で生成され、机の上・注水・湖畔の3つのシーンも順番どおりに展開されました。場面が変わってもボトルの形や「WEEL」の文字は崩れず、そのまま商品動画の素材として使えそうな仕上がりです。

②会話で背景を差し替えても人物は崩れないか

次に、マルチターン編集を試します。1本目の動画を生成したあと、背景だけを会話で差し替え、人物の顔や服装、カメラワークがどこまで保たれるかを見ていきましょう。

An 8-second clip. A young woman in a navy blazer explains a new smartphone app to the camera, holding a phone in her right hand. Medium shot, static camera, bright modern office. 
She says in Japanese: 「このアプリなら、経費精算が3分で終わります。」

生成結果はこちら

2ターン目では、1本目の動画を引き継ぎながら、次の指示を送ります。

Change the background to a busy cafe. Keep the woman, her outfit, her lines and the camera framing exactly the same.

生成結果はこちら

背景だけがオフィスからカフェに置き換わり、人物の顔や服装、身ぶりのタイミングまで1本目とほぼ同じでした。カメラの構図も変わらず、1回の指示で配信先に合わせた別バージョンを作れる手応えがあります。

Gemini Omni 1.2 Flashの料金とライセンス

Gemini Omni 1.2 Flashの料金は、生成した動画の出力トークン量に応じて決まる従量課金です。

720pの動画なら1秒あたり約0.07ドルで、15秒の動画を1本作っても約1.04ドルに収まります。前モデルの1.1 Flashからは30%の値下げとなり、解像度ごとの単価も下がりました。

一方で、Gemini APIには無料枠がなく、使った分だけ費用がかかる点には注意が必要です。Google VidsやGeminiアプリを経由すれば、APIとは別の料金体系で利用できます。

料金

Gemini Omni 1.2 Flashの単価は次のとおりです。

動画の出力トークン量は解像度で決まっており、1秒あたりの目安は次のようになります。

同じ720pでも、1.1 Flashは動画の出力単価が100万トークンあたり17.50ドルでした。1.2 Flashでは12.00ドルに下がっているため、下書きを何本も作るほど差が大きくなります。なお、2026年12月3日以降は1.1 Flashへのリクエストがすべて1.2 Flashに自動で切り替わり、1.2 Flashの料金で課金されます。

アプリ経由で使う場合の扱いもまとめておきましょう。

ライセンス

Gemini Omni 1.2 Flashはオープンソースではなく、GoogleがAPIやアプリを通じて提供するプロプライエタリなモデルです。モデルの重みは公開されていないため、利用条件は各サービスの利用規約で決まります。

Gemini APIの追加利用規約では、生成された動画などの所有権をGoogleが主張しないと定められています。その一方で、Gemini APIと競合するモデルの開発やリバースエンジニアリングは禁止です。

また、有料サービスでは送信したプロンプトや応答が製品改善に使われませんが、無料サービスでは改善に利用される場合がある点も規約に書かれています。生成した動画にはSynthIDの透かしが入るため、広告などで使う際は透かしを前提にした運用ルールを決めておくとよいでしょう。

【業界別】Gemini Omni 1.2 Flashの活用シーン

Gemini Omni 1.2 Flashは、短い動画を大量に、しかも見た目をそろえて作りたい業界と相性の良いモデルです。ここからは、業界ごとに向いている使い方を紹介しましょう。

EC・小売業界

EC・小売業界では、手持ちの商品写真から商品紹介動画を量産する使い方が向いています。参照画像への忠実さが上がったことで、パッケージの文字やブランドカラーが崩れにくくなりました。

商品画像を参照に回転動画やライフスタイル動画を作り、背景だけを会話で差し替えれば、季節ごとのキャンペーン素材もすぐにそろうでしょう。商品写真を動画広告に変えるPhotoroomは、品質・速度・コストのバランスを理由にGemini Omni Flashを採用し、15秒対応を「ユーザーからの要望が多かった機能」と評価しています。

小売業における生成AI活用について、詳しく知りたい方は以下の記事も参考にしてみてください。

WEEL

生成AIで小売業の課題を解決！導入事例と課題を徹底解説 | WEEL 小売業の問題を生成AIで解決する方法と実際の導入事例を解説。需要予測、人手不足解消、マーケティング強化に役立つ情報満載。

広告・マーケティング業界

広告・マーケティング業界では、15秒枠の広告を1回の生成で作れる点が大きな武器になります。尺が合った動画を一度に出せるため、つなぎ合わせの編集作業を省けるでしょう。

マルチターン編集を使えば、同じ動画から配信先や視聴者層ごとの別バージョンを手早く用意できます。広告制作サービスのQuickFrame AIは、1080pの15秒動画に対応したことで、テレビ向け（CTV）広告を1回の生成で作れるようになったとコメントしました。

広告業界における生成AI活用について、詳しく知りたい方は以下の記事も参考にしてみてください。

WEEL

生成AIの活用で広告業界はどう変わる？企業の導入事例と課題を徹底解説 | WEEL 生成AIは広告業界が抱える課題である制作負荷の増大、運用最適化、人件費削減に効果を発揮します。本記事では生成AI広告のメリットと限界、炎上リスク、法務や倫理面の注意…

ゲーム・エンタメ業界

ゲーム・エンタメ業界では、キャラクターの見た目を保ったまま複数のシーンを作る用途がぴったりです。キャラクター設定画を参照に渡せば、カメラアングルが変わっても顔や衣装がぶれにくくなりました。

複数の話者に声を振り分ける機能も強化されたため、キャラクター同士の掛け合いを含む予告編やショート動画の試作にも使えるでしょう。

FPV風の長回しやオービットといったカメラワークもジャンプカットを抑えて表現できるので、絵コンテ段階の映像イメージ共有にも役立ちます。ただし、速いアクションや複雑な物理表現は改善の途中とされているため、激しい戦闘シーンなどは慎重に確認したいところです。

生成AIでクリエイティブ作成する方法について、詳しく知りたい方は以下の記事も参考にしてみてください。

WEEL

生成AIでクリエイティブ作成する方法！自動生成してくれるおすすめAIツールも紹介 | WEEL 自社の商品を売りだすために広告を配信しようと思っているけど、広告クリエイティブを作るノウハウがない…。とお困りの企業も多いのではないでしょうか。 実は、広告分野に…

Gemini Omni 1.2 Flashに関するXでの反応

X上では、公開直後からGemini Omni 1.2 Flashの性能や価格に関するポストが相次いでいます。ここからは、注目を集めている反応をいくつかピックアップしました。

今回解説する事例において、弊社がX（旧Twitter）で発見した参考となるツイートを紹介させていただいております。取り下げなどのご連絡は、contact@weel.co.jp からご連絡ください。

Arena.aiのランキングでText-to-Video部門1位に

AIモデルの比較サイトArena.aiは、Gemini Omni 1.2 FlashがText-to-VideoとImage-to-Videoの両部門で1位、Video Edit部門で3位に入ったと報告しています。

Text-to-Videoのスコアは1541ポイントで、1.1 Flashの1514ポイントから27ポイント伸びた形です。この結果により、Text-to-Videoの上位3枠をGoogleのOmniシリーズが占めたとのこと。

ユーザーの投票で順位が決まるランキングのため、実際の見た目の評価が高いことを裏付ける結果といえるでしょう。

「複数人の会話ができている」と映画制作への期待の声

日本のユーザーからは、複数のキャラクターが登場する会話シーンに注目する声が上がっています。元ゲーム会社ディレクターのStudioYebisuさんは、従来の動画生成AIが苦手としていた複数のキャラクターが登場した状態での会話ができている点を評価していました。

これまでは2人以上が話すと、口の動きや声の割り当てが乱れやすいのが課題でした。映画のようなドラマ仕立ての動画にも活用が広がりそうだという見方は、公式ブログが打ち出したマルチスピーカーの改善とも重なります。

海外のAIインフルエンサーも価格設定を評価

海外では、AIニュースを発信するChubbyさんが、15秒対応や一貫性・音声の改善とあわせて、前モデルより30%安くなった価格設定を「良い価格」と評価していました。

動画生成AIは、下書きと修正を繰り返すうちに1本あたりのコストが積み重なりやすいのが悩みどころです。広告やEC向けに何十本も作る場合は、単価の差がそのまま予算に響くでしょう。品質を上げながら単価を下げた今回のアップデートは、動画を大量に作る企業ほど恩恵が大きいと受け止められている様子がうかがえます。

Gemini Omni 1.2 Flashなど生成AIのご相談はWEELへ

Gemini Omni 1.2 Flashは、最大15秒の動画を1回で生成でき、前モデルより30%安く使える動画生成・編集AIモデルです。

参照素材への忠実さと会話での編集が強化されたことで、商品動画や広告のバリエーションを効率よく量産できるようになりました。Google Vidsなら追加料金なしで試せるため、まずは社内向けの短い動画から触ってみるのがおすすめです。

弊社では、AI導入を検討中の企業向けに、業務効率化や新しい価値創出を支援する情報提供・導入支援を行っています。最新のAIを活用し、効率的な業務改善や高度な分析が可能です。

大規模言語モデル（LLM）比較レポート

「生成AIを社内で活用したい」「生成AIの事業をやっていきたい」という方に向けて、生成AI社内セミナー・勉強会をさせていただいております。

セミナー内容や料金については、ご相談ください。

また、大規模言語モデル（LLM）を対象に、言語理解能力、生成能力、応答速度の各側面について比較・検証した資料も配布しております。この機会にぜひご活用ください。

無料で相談する

資料をダウンロードする

Gemini Omni 1.2 Flashのよくある質問