Google DeepMindは2026年11月5日、動画生成モデルの更新版「Gemini Omni 1.2 Flash」の提供を開始したと発表した。このバージョンは、ネイティブの15秒動画生成、参照追従性の向上、マルチターンの会話型編集を導入している。また、Gemini Omni 1.1と比べて価格を30%引き下げ、720p動画の費用を1秒あたり0.07ドルとしている。

同モデルは本日より、本番用途向けにGemini APIとGoogle Cloudで、またGemini for businessを通じて一般提供されている。Google DeepMindのプロダクトマネージャー、Anish Nangiaによる発表によると、今回の更新はコストを削減しながらプロフェッショナルなプロジェクトの一貫性を向上させるものであり、Gemini API、Google Vids、Gemini for businessを通じて大規模な高品質動画コンテンツの制作に活用できる。

今回のリリースの主な変更点は以下の通り:

• ネイティブでの15秒動画生成のサポート(Gemini Omni 1.1の10秒から延長)
• 最初からやり直すことなく迅速な調整を可能にするマルチターン会話型編集
• キャラクター・製品・スタイルの参照追従性の向上
• 720p動画で1秒あたり0.07ドルへの30%の価格引き下げ
• Gemini APIとGoogle Cloudでの一般提供

大規模利用でも高速かつ費用対効果が高い

1秒あたりの価格引き下げに加え、Googleは周辺のワークフローもコスト削減を念頭に設計されていると説明している。ユーザーは360pまたは720pの解像度で素早くドラフトを作成し、クリップ全体を再生成する代わりにフォローアップ編集で個別の詳細を修正し、最良の成果物を1080pまたは4Kにアップスケールできる。同社は、低価格と編集優先のワークフローの組み合わせを、低い総コストで高品質な動画コンテンツを制作する方法として位置づけている。出力を予算管理するチームにとって、この数字は直接的に読み替えられる: 30%の引き下げはGemini Omni 1.1が1秒あたり0.10ドルだったことを意味し、1.1では最大長の10秒クリップが1.00ドルだったのに対し、1.2の15秒上限では1.05ドルとなる — 上限で5%の出費増に対して50%の再生時間増である。課金が出力長に応じて行われるため、再生成ではなくフォローアップ編集で既存のクリップを仕上げることが、総制作コストを抑えるためのもう一つの手段としてGoogleが挙げている。

最大15秒までの長いクリップ

Gemini Omni 1.2 Flashは、Omni 1.1の10秒制限から延長され、ネイティブで最大15秒の動画を生成・編集できる。長さは3秒から15秒まで1秒刻みで指定可能で、Googleはこれにより完全なストーリーを語ったり、製品説明動画を作成したり、1回の生成でSNS広告を丸ごと制作したりする余裕が生まれるとしている。

参照追従性の向上

ユーザーは、キャラクター・製品・スタイルの画像、最大3秒の短いモーションクリップ、オーディオのキューを組み合わせて生成をガイドできる。Googleによると、Omni 1.2 Flashはこれらの詳細を最初から最後まで保持する: 顔、衣装、パッケージのタイポグラフィ、ブランドカラーがカメラアングルを変えても一貫して維持される。同社はこれにより、既存の製品写真やキャラクターシートを、バーチャル試着クリップ、カタログ回転動画、ブランド広告に変えやすくなるとしている。

投稿で紹介された一例では、モデル写真1枚と3つの衣装の表裏の製品ショットを組み合わせることで、モデルの同一性と各衣装のカット、ドレープ、背面のディテールを一貫させながら、360度の回転とマッチカットにわたる15秒のバーチャル試着シーケンスを生成できる。

より一貫性のある結果

Googleによると、同モデルは最初のフレームから最後のフレームまで、キャラクター・オブジェクト・シーンの一貫性をより強く維持し、モーションやカメラのトランジションにおける視覚的なドリフトやモーフィングが少ない。最初と最後のキーフレーム間を補間する場合も、クリップを延長して長いシーケンスを構築する場合も、製品・キャラクター・小物・環境がショットごとに一貫して保たれる。

同社は、同じスタジオ照明の展示ポスターと5レイヤーのアニメーションプロンプトを用いた比較でこの違いを示した。投稿によると、Gemini Omni 1.1 Flashはバージョン1.2ほど参照画像に忠実ではない。Gemini Omni 1.2 Flashは、ダスティピンクのサイクロラマ上に六角形の台座を立ち上げ、HALO、GLOW、LUMENの文字を形作るリブ付きガラス、温かいフィラメント、ファセットクリスタル、コイルコードをレイヤーごとに順次組み立て、すべての素材、影、タイポグラフィのディテールを最終フレームまで一貫して固定する。

会話でのより簡単な編集

ユーザーは、最初からやり直す代わりに、同じクリップをターンごとに精緻化できる — 製品や背景の交換、照明や天候の変更、アスペクト比の切り替えなど。マルチターン会話型編集はフル15秒のクリップ全体で機能し、Googleによると、再ブリーフィングや再生成なしに、異なるオーディエンスや配置向けの広告バリエーションを簡単に制作できる。

発表で引用されたデモでは、生成された1つのクリップから開始し、会話プロンプトの連続により背景がターンごとに交換される — ストライプのパビリテントからオークの森、白馬のいる厩舎、市場の縁日、石造りの城へと — 両キャラクターの演技、鎧の反射、カメラフレーミングを維持したまま行われる。

より自然な音声

Googleによると、同モデルはより流暢で自然に聞こえるセリフ、より明確なリップシンク、明確なマルチスピーカー条件付けでシーンを生成できる。同社は、Flowで複数キャラクターのセリフを演出する場合、Gemini for businessで説明動画を作成する場合、Google Vidsでアバター、音楽、ナレーションを用いた洗練されたプロ品質の動画を制作する場合のいずれでも、これらの向上が現れるとしている。

一例では、温室のシーン画像1枚に、キャラクター・口・1秒の声の参照4つを条件として与えると、Gemini Omni 1.2 Flashはサンプリングされた各声を15秒のアニメーションシーン全体で正しいキャラクターに割り当て、表現力のあるリップシンクと自然なコメディのタイミングを実現する。

より制御しやすく映画的な映像

Googleによると、ユーザーはスウィーピングなFPVフライスルーからドラマチックなズームアウトやオービットまでの複雑で連続的なカメラムーブメントを、不要なジャンプカットを大幅に減らし、より安定したスケールと、より洗練された映画的な外観で演出できる。

ショーケース例では、2枚の建築参照写真に導かれ、同モデルは広場を横切り、青銅の扉を抜け、パンテオンの格天井ドームを通ってオクルスへ至る1回の連続FPVドローン飛行を、ジャンプカットゼロで演出している。

より滑らかなモーションとより厳密な一貫性を持つ長いクリップ

Gemini Omni 1.2 Flashは、以前より参照をしっかりと保持する最大15秒のクリップを生成する。Googleは、より長いショット、複数ターン、カットなしのトランジションを通じて、キャラクター・テキスト・カメラムーブが一貫して保たれるとし、いくつかのデモを紹介している:

• 15秒の長さのクリップ: 単一のスタイルフレームを、正確に綴られたモーショントラッキング付きのコールアウトを備えた4ショット・15秒のマクロ科学説明動画に変換。
• マルチターンのモーション転送: 最初のターンで波打つタコを生成し、次のターンで、その正確な流体モーションを反映したドレスのダンサーに置き換える。
• 最初から最後のフレームの一貫性(1.1対1.2): 1.2 Flashで、屋外の開始フレームと屋内の終了フレームを1回の連続カメラプッシュでつなぐ。Googleは、屋根の上の猫やスープレードルが箸に変わるなど、微妙な違いが残って見えると指摘している。
• 途切れないクラッシュズームアウト: 海岸線のタイトなクローズアップから島の空撮ビスタまで、自然なスケールとカットゼロの単一10秒ショットで連続的に引き退く。

実際の利用とエンタープライズ提供

Googleによると、企業、スタートアップ、クリエイターがすでにワークフローでGemini Omni 1.2 Flashを利用している。初めて、Gemini Omniが一般提供され、Google Cloudのエンタープライズグレードのインフラとセキュリティに支えられている。持続的なワークロードのための確約モデル容量を確保するGoogle CloudのオプションであるProvisioned Throughputが利用可能で、出力にはAI生成コンテンツを示すGoogle DeepMindの技術である目視不可のSynthIDウォーターマークが付与される。

利用開始

Googleは、高速なスポーツアクション、迅速な脚本変更、複雑な物理挙動など、さらなる改善が必要な分野について開発が継続中であると述べている — これは同社自身による改善余地の明示であり、厳しい制作シナリオで同モデルを検討するチームにとって具体的な判断材料となる。同社は、Gemini Omni 1.2 Flashを、大規模に動画を制作する企業・開発者・クリエイターに適したものとして位置づけており、Googleの製品と開発者プラットフォーム全体で展開が進んでいる:

• Gemini APIを利用する開発者は、Google AI Studioでプロトタイプを作成し、インタラクティブなスターターアプリを試し、開発者ドキュメントと料金を確認できる。
• 企業は、Google Cloudコンソールでモデルを試し、APIでエンタープライズソリューションを構築できる。
• Googleアプリのユーザーは、Flowでシーンやマルチターン編集を演出し、GoogleアカウントまたはGoogle WorkspaceのサブスクリプションでGoogle Vidsにおいて追加費用なしで15秒クリップを生成し、Geminiアプリで15秒動画を作成し(Google AI Ultra購読者へ展開中)、Google Adsで動画キャンペーンを拡大できる。

完全な発表はGoogle DeepMindブログで閲覧できる: Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips。