Solutions Choose your path
For individuals Build, learn, and create with simple usage-based access. For business Scale teams, billing, governance, and model workflows. More English 繁體中文 日本語 한국어 Français Deutsch Español Italiano Português Русский العربية ไทย Tiếng Việt Bahasa Indonesia Bahasa Melayu Türkçe Polski Nederlands Danish Norsk Қазақ اردو
無料で始める 無料で始める
500+ AI Model API, All In One API.
Just In CometAPI © 2026 CometAPI · All rights reserved
Home Blog Gemini Omni 1.2 Flash とは？知っておくべきことのすべて new / CometAPIリサーチ
Gemini Omni 1.2 Flash とは？知っておくべきことのすべて Gemini Omni 1.2 Flash の仕様、15秒の動画、価格、編集機能、評価方法を詳しく見る
Deon Goodwin AIモデルとAPIの調査チーム Gemini Omni 1.2 Flash の仕様、15秒の動画、価格、編集機能、評価方法を詳しく見る
この要約で素早く答えを把握し、ガイドで背景、例、実装詳細を確認してください。
from openai import OpenAI
client = OpenAI(
api_key="YOUR_COMETAPI_KEY",
base_url="https://api.cometapi.com/v1",
)
response = client.chat.completions.create(
model="gpt-5-mini",
messages=[{"role": "user", "content": "Build this workflow."}],
)
print(response.choices[0].message.content)TL;DR
Gemini Omni 1.2 Flash は、Google の動画生成および会話型編集モデルであり、2026年11月5日リリース です。最長15秒のクリップを生成・編集でき、公称の720p価格を約30%引き下げ、1秒あたり約$0.07にしました。製品動画や広告を制作するチームにとって、物語性の余裕が生まれ、バリエーション試行のコストも下がります。クリップは会話を通じて洗練し、採用版は単独のアップスケーリングで納品準備ができます。
What is Gemini Omni 1.2 Flash?
Google は、このモデルが会話を通じた動画生成と編集 に対応すると説明しています。出力は音声付き動画を含み、モデル全体の記述としてはテキスト・画像・音声・動画の入力に対応します。
参照素材に基づく作業では、利用するサービスがどの入力を受け付けるかを確認してください。Google Cloud では、許可リスト化により音声参照が利用可能 です。
製品写真を短い広告に変えることを想像してください。製品がはっきり見える写真から始めてシーンを生成し、製品の判別性を保ったまま、別のシチュエーションや照明を依頼します。ここで会話型編集が役立ちます。各バリエーションのたびにシーン全体を説明し直すのではなく、複数ターンにわたって承認済みのアイデアを発展させられます。
明確性、出典の帰属、最新のAPI用語について確認済みです。
Gemini Omni 1.2 Flash specifications 以下の詳細は Google のエンタープライズ向け開発者ドキュメントに基づきます。コンシューマー向けアプリでは異なる制限が課される場合があります。
Model ID gemini-omni-1.2-flash Release stage 一般提供 Release date 2026年11月5日 Maximum input tokens 131,072 Maximum output tokens 260,640 Generation and editing duration 3–15秒 First-and-last-frame generation 3–10秒 Extension output per turn 1ターンあたり3–10秒 Aspect ratios 16:9 および 9:16 Resolution options 360p、720p、1080p、4K Sound generation 音声（スピーチ）、音楽、効果音 Supported generation interface Interactions API Chat Completions and GenerateContent 本ドキュメントに記載のインターフェースでは非対応 Reference images per prompt 最大10枚 Image files PNG、JPEG、WebP、HEIC、HEIF；インラインまたはコンソールからのアップロードは最大20 MB、Cloud Storage からは最大30 MB Videos per prompt 最大3本 Video input for editing or upscaling
First、操作に応じて長さセレクターを変える必要があります。15秒の生成が有効でも、15秒の最初と最後のフレーム生成が有効とは限りません。
Second、トークン容量は品質スコアではありません。これはインターフェースの上限を示すもので、動きの品質、プロンプト順守の強度、レンダリングの速さを保証するものではありません。
How does Gemini Omni 1.2 Flash rank in independent comparisons? Arena の2026年11月8日のスナップショットでは、Gemini Omni 1.2 Flash はテキストから動画 と画像から動画 の両方のランキングで首位です。いずれも暫定扱いのため、スコアは不確実性と投票数と併せて確認してください。
Text-to-video 1540 ± 16 1,714 1–2 Image-to-video 1503 ± 12 2,667 1–6
これらの結果は、特にプロンプトや製品画像から短いクリップを作る用途でテストする価値があることを示します。ただし、あらゆる制作タスクで常に勝ると決めつけるものではありません。とくに image-to-video の順位範囲は広いので、採用前に自社の製品ディテール、動き、編集結果を比較検証してください。投票が増えるにつれてランキングは変動し得ます。
Gemini Omni 1.2 Flash vs Omni 1.1 Flash: what changes? 最も分かりやすい変更点は、クリップが長くなったことと出力価格の低下です。ワークフローにも注目すべき点があります。参照ベースの生成、会話型の編集、単独のアップスケーリングにより、有用な初稿を納品まで運べます。以下の表では、明示的なバージョン比較と、1.2で活用できる機能を分けて示します。
Maximum native clip 10秒 15秒 クリップあたりの長さが50%増加 Approximate 720p price 発表された引き下げ幅からの推定で $0.10/秒 $0.07/秒 同一長さでの出力コスト低下 Reference adherence 比較のベースライン Google が改善を報告 製品アイデンティティや細部のテスト Temporal consistency 比較のベースライン ドリフト低減を報告 端点だけでなく中間フレームも確認 Conversational revisions 以前のワークフロー 15秒全体にわたるマルチターン編集 無関係なディテールが安定しているか検証 Independent preference comparison Arena text-to-video: 1513 ± 15（11月8日スナップショット） Arena text-to-video: 1540 ± 16（暫定、同スナップショット） このスナップショットで好みスコアが高い。品質の百分率改善を意味するものではない Standalone upscaling 現行の単独アップスケーリングガイドには未掲載 独立したアップスケール操作として文書化 下書きを承認後、選択動画をアップスケール Reference workflow 参照ベース生成は既に存在 参照順守の強化を報告 同一の製品やキャラクターを軸にバリエーションを構築
15秒広告を制作するチームにとって、追加の5秒はフック、デモ、締めのメッセージを1回の生成に収められる可能性を広げます。同一の長さであれば、720pの単価低下により、クリエイティブなバリエーションを追加で試すコストも下がります。品質改善は、同一の製品やキャラクターをクリップ全体で認識可能なまま保つ必要がある場合に特に有効です。
Duration and Editing Capabilities Gemini Omni 1.2 Flash は、1.1 の「3–10秒」から「3–15秒」へとネイティブの生成・編集長を拡大し、1秒刻みで選択可能です。編集用の動画入力も10秒から15秒に延長されました。マルチターンの会話型編集が強化され、全面的な再生成を行わずにクリップ全体（アスペクト比の変更を含む）を直接調整できます。動画の延長は引き続き1ターンあたり3–10秒で、合計長は約30秒までです。最初と最後のフレームの補間は依然として3–10秒に制限されます。
Quality and Consistency Improvements バージョン1.2は、キャラクター、製品、衣服、ブランドカラー、顔、オブジェクト固定の安定性が明らかに向上し、ドリフトが減りジャンプカットも少なくなっています。カメラワークはより滑らかで制御しやすく、リップシンクや音声もより自然です。複数話者のコンディショニングに対応し、参照画像、短いモーションクリップ、音声キューへの追従性が向上しています。独立評価（Arena スコアなど）でも、1.2 は text-to-video と image-to-video の両方で 1.1 をわずかに上回っています。
Output and Spec Details 両モデルとも対応解像度は同じで、ネイティブは 360p / 720p、アップスケールで 1080p / 4K（24 FPS）です。アスペクト比は 16:9 と 9:16 のままです。1.2 は、ネイティブ音声付き動画に加えてテキスト出力もサポートし、単独のアップスケーリングを専用タスクとして強化しています。入力モダリティ（テキスト・画像・動画）とコンテキストウィンドウの大きさは実質的に同等です。
Standalone Video Upscaling Gemini Omni 1.2 Flash は、テキストからの新規生成を行わずに、既存の生成動画をアップスケールできます。サポート経路は 360p から 720p または 1080p、720p から 1080p または 4K です。これにより、低解像度で構図と動きを確認・承認し、その後に納品向けバージョンを準備できます。
How much does Gemini Omni 1.2 Flash cost? 720p 出力では、1.2 Flash の価格は概ね「1秒あたり約$0.07」（ビデオトークン 100万あたり約$12.00）で、1.1の「約$0.10/秒」（100万トークンあたり$17.50）より約30%低くなります。360p のドラフトはさらに安価で、1080p / 4K のアップスケール出力も同様の値下げ幅が適用されます。推奨ワークフローは、低解像度で素早く反復し、最終採用版のみをアップスケールしてコストを管理することです。
Efficient workflow 1 $1.05 Moderate revisions 2 $2.10 Heavy revisions 4 $4.20
以前の約$0.10/秒というレートを前提にすると、15秒のクリップ100本の出力料金はおよそ$150でした。新しい概算レートでは約$105となり、同一総尺で約$45の削減です。これは計画上の試算であり、プロジェクト全体の見積もりではありません。
単独アップスケーリングは独自の出力トークンを使用し、入力トークンは0として報告されます。課金は元解像度と目標解像度に依存するため、すべてのアップスケールに一律で $0.07/秒 の生成単価を流用しないでください。アップスケーリングの課金ルール を参照してください。
より有用なビジネスメトリクスは「承認クリップあたりのコスト」です。
たとえば、各15秒動画の承認に別課金の生成が4回必要な場合、他の費用を除いて推定出力支出は$4.20となります。したがって、リトライ率の低減は、広告単価の僅差よりも重要になり得ます。
How can developers use Gemini Omni 1.2 Flash? 文書化されたエンタープライズサービスでは、生成と編集にInteractions API を使用します。GenerateContent および Chat Completions はこれらの操作には使用できません。まずは短いクリップと簡単な改変から始め、ワークフローを本番アプリに組み込みましょう。
手始めのプロジェクトとして、短い製品動画が分かりやすい例です。
製品が明確に分かる画像と、ショット・動き・音の簡潔なブリーフを用意する。
Interactions API で短いドラフトを生成する。
製品とフレーミングを維持しつつ、背景変更など焦点を絞った改変を1点依頼する。
結果を確認し、納品解像度を選択する。
リクエスト設定と使用状況を記録し、承認されたワークフローを再現できるようにする。
Model ID gemini-omni-1.2-flash omni-fast API endpoint Interactions API POST /v1/videos Billing basis 720pで概ね$0.07/秒 現行カタログで1リクエスト$0.40 Request format Interactions API の JSON タスクに応じて マルチパートフォーム / JSON Task handling 同期、ステートフル、ストリーミング、非同期 送信、ポーリング、ダウンロード Version certainty 1.2 Flash を明示 公開IDでは1.2を特定できない API status GA CometAPI エンドポイントは Beta 表記
生成動画には SynthID のウォーターマークが含まれ、文書化された Google Cloud のモデルサーフェスは Content Credentials（C2PA）にも対応しています。これらの由来確認メカニズムは、AI生成のマーケティング素材を公開する際や、社内のコンテンツ審査フローを管理する際に有用です。
What happens to existing Omni 1.1 Flash requests? 1.2 は 2026年11月5日に一般提供となりました（モデル ID: gemini-omni-1.2-flash）。2026年12月3日 以降、gemini-omni-1.1-flash へのリクエストは自動的に 1.2 にルーティングされ、新しい低料金で課金されます。コード変更は不要です。有料ティアのレート制限も引き上げられています。
アプリケーションが旧モデルの挙動に依存している場合は、その日付までに代表的なプロンプトで数件テストしてください。自動ルーティングによりリクエストパスは維持されますが、出力動画の確認は行うべきです。他プラットフォームでは、それぞれの移行・課金ドキュメントを参照してください。
Conclusion 初回生成後にもクリエイティブ作業が続くプロジェクト、すなわち、製品バリエーション、季節のシーン、一定の主体を中心に構成する短尺広告には、Gemini Omni 1.2 Flash を選ぶとよいでしょう。
まずは再利用可能なキャンペーンブリーフを1つと、少数の参照アセットから開始します。そのブリーフで構図や編集挙動が十分に機能することを確認したのち、製品や掲載先を広げます。これにより、有望なデモをチームで再現可能な本番プロセスへと転換できます。
FAQ
How many reference images can I use with Gemini Omni 1.2 Flash? エンタープライズ API は、1つのプロンプトにつき最大10枚の画像を受け付けます。ショットに重要な視点やディテールにその枠を使い、重複に近い画像の追加はブリーフの管理を難しくする可能性があるため避けましょう。これらの回答は Google のエンタープライズ向け技術仕様 に基づきます。コンシューマーアプリの制限は異なる場合があります。
How does Gemini Omni 1.2 Flash extend a longer video? 延長では、ソース動画が長くても最後の10秒までを使用します。3–10秒の継続部分を生成し、入力の最後の最大約30秒に連結されます。元の動画を前半から保持したい場合は、編集タイムラインで完全版を維持してください。返される延長は、完全なソースの置き換えとして扱うべきではありません。
Which reference image files does Gemini Omni 1.2 Flash accept? 対応画像形式は PNG、JPEG、WebP、HEIC、HEIF です。各画像は、インラインデータまたはコンソールからの直接アップロードで最大20 MB、Google Cloud Storage からの提供で最大30 MB です。特に高解像度の製品写真を使用する場合は、リクエスト前に形式とファイルサイズの双方を確認してください。
Video input for extension 長さは任意（最後の10秒までを使用）
Video understanding input 最大10分（編集の上限は延長されない）
Video input MIME types video/x-flv, video/quicktime, video/mpeg, video/mpegs, video/mpg, video/mp4, video/webm, video/wmv, video/3gpp
Content provenance SynthID ウォーターマーキングおよび C2PA Content Credentials
