GoogleがGemini Omni 1.2 Flashを発表：最長15秒の動画、720pは1秒0.07ドルでOmni 1.1から30%値下げ；品質の根拠はデモと顧客の引用で、音声参照は許可リスト制

2026年11月5日、Googleは動画の生成・編集モデル「Gemini Omni 1.2 Flash」を発表し、Gemini APIとGemini for businessで一般提供（generally available）になったと述べました。発表は2本の記事に分かれています。Google DeepMindの製品記事と、本番利用を扱うGoogle Cloudの記事です。以下の数字はすべてGoogle自身のもので、品質や速度について外部の測定は示されていません。 一方、収録したGoogle Cloudの記事はGemini for businessのチャット機能を「近日提供」と記します。API／Cloudでの提供とビジネス向けチャットの提供は分けて扱い、両記事の時点の違いは本誌では裁定しません。

最大の変更は動画の長さです。Omni 1.2 Flashは最長15秒の動画をネイティブに生成・編集でき、Omni 1.1の10秒から延びました。長さは1秒刻みで3秒から15秒まで指定できます。Google Cloudのモデルページによると、最初と最後のフレームからの出力や、既存クリップの延長は3〜10秒に限られ、対応する画面比率は16:9と9:16です。Googleは参照への追従が向上したと説明しています。1回のリクエストで、人物・商品・スタイルの画像、最長3秒の短いモーションクリップ、音声の手がかりを組み合わせられ、カメラアングルが変わっても顔、衣服、パッケージの文字、ブランドカラーを保つことを狙っています。クリップは会話の形で1ターンずつ修正でき、背景の差し替え、照明の変更、アスペクト比の切り替えを、全体を作り直さずに行えます。音声面の改善として、より自然な会話、明瞭な口の動きの同期、複数の話者ごとの声の指定も挙げています。

価格は発表で唯一の確かな数字です。Googleは価格がOmni 1.1から30%下がり、720p動画は1秒あたり0.07ドルになったと述べています。当方の計算では、720pの15秒クリップ1本は、再試行を除いて約1.05ドルです。1080pや4Kの出力、アップスケールの価格は示されていません。代わりに安く済ませる流れが説明されています。360pか720pで下書きを作り、追加の編集で細部を直し、最良の結果を1080pか4Kにアップスケールします。発表は価格ページにリンクしていますが、当方はそのページを取得していないため、他の価格は本稿では繰り返しません。

提供状況は製品ごとに違います。開発者はGoogle AI StudioとGemini APIで使えます。企業はGoogle CloudコンソールとAPIで使え、GoogleによればProvisioned Throughputが提供され、出力には知覚できないSynthID透かしが入ります。ほかにFlow、Google Vids（GoogleアカウントまたはGoogle Workspaceの契約で15秒クリップを追加料金なしで生成）、Google Adsが挙げられています。Geminiアプリの15秒動画はGoogle AI Ultra契約者向けに順次展開されます。Google Cloudの記事には、DeepMindの記事にない制限が書かれています。音声参照はallowlist（許可リスト）が必要で、すべての開発者が初日から使えるわけではありません。

品質の根拠はデモ動画と顧客の引用です。Googleは仮想試着のシーケンス、層ごとに組み上がるポスター、背景を5回続けて差し替える編集、円蓋の建物を通り抜けるカットなしの一人称ドローン飛行を見せ、一部ではOmni 1.2とOmni 1.1を並べて比べています。ベンチマークのスコア、選好調査、遅延の数値、失敗率はありません。DeepMindの記事の引用はAdobe、Monks、Whering、Figma Weave、STAN、Magnific、Resemble AIから、Cloudの記事の引用はArtlist、FLORA、invideo、Krea、Picsart、Runway、Photoroom、QuickFrame AIからで、いずれもベンダーが選んだものです。QuickFrame AIは、1080pで15秒の生成により、コネクテッドTV向け広告を1回の生成で完成できると述べています。

Googleは、まだ終わっていない点も明記しています。高速なスポーツの動き、台本の急な変更、複雑な物理は開発が続いているとのことです。短いリストですが、チームが最初に試すべき内容と一致します。速い動き、素早く切り替わる場面、物体どうしの相互作用です。発表は、SynthID透かしと動作するエンタープライズ基盤以外に、このモデルの安全性評価やコンテンツポリシーを説明していません。安全性の審査が必要な読者は、別の文書を探す必要があります。

当方の見方では、長さ、価格、一般提供が具体的で確認できるため、これは実際の製品上の前進です。品質の主張は今のところ確認できません。商品動画や広告動画を大量に作るチームは、まず見本の作業を見積もるべきです。必要なクリップ数、1本あたりの秒数、想定する再試行回数、最終ファイルの解像度を出します。そのうえで自社の参照画像を使い、顔、ロゴ、パッケージの文字が安定するかを確かめ、15秒のクリップに許可リスト制の音声機能が本当に必要かも見極めます。値下げと長いクリップは、このテストに耐えて初めて役に立ちます。