室谷代表取締役Gemini Omni 1.2 Flash（ジェミニ・オムニ・ワンポイントツー・フラッシュ）は、Googleが発表した動画生成・編集モデルで、テキストや画像、動画、音声を入力として受け取り、音声付きの動画を生成・編集できるんですよね。Google AI StudioとGemini APIですでに利用可能と案内されています。
テキトー教師DotAI 認定講師公式スレッドでは「fast & 30% lower cost」「longer clips」「edit in conversation」「more natural speech」「more controllable shots」の5点が新しいポイントとして挙げられています。単にバージョン番号が上がったという話じゃないんですよ。
室谷代表取締役まず名前の整理からいきましょうか。Gemini Omniは、公式ページで「Nano Bananaの動画版」と説明されているモデル群です。
Nano Bananaが画像の生成と会話的な編集を担うのに対して、Omniは同じことを動画で実現する、という位置づけですね。
Nano Bananaが画像の生成と会話的な編集を担うのに対して、Omniは同じことを動画で実現する、という位置づけですね。
テキトー教師DotAI 認定講師そこは講座でもよく聞かれるところです。Omniが動画、Nano Bananaが画像。
そしてFlashはGoogleのモデル命名で高速・低コスト版を指す。つまりGemini Omni 1.2 Flashは「動画版Nano Bananaの高速モデルの最新版」と捉えると理解しやすいです。
そしてFlashはGoogleのモデル命名で高速・低コスト版を指す。つまりGemini Omni 1.2 Flashは「動画版Nano Bananaの高速モデルの最新版」と捉えると理解しやすいです。
Gemini Omni 1.2 Flashとは？何が発表されたのか
Gemini Omni 1.2 Flash と 1.1 Flash の仕様比較
Gemini Omni 1.2 Flash
- モデルコード: gemini-omni-1.2-flash
- 入力: テキスト・画像・動画
- 出力: 音声付き動画・テキスト
- 入力動画(編集用): 最大15秒
- ルックバック(拡張用): 10秒
- 出力: 3〜15秒
- 解像度: 360p・720p・1080p・4K / 24FPS
- 入力トークン上限: 131,072
- 出力トークン上限: 65,536
- フレーム補間: 3〜10秒
- 1ターンあたりの拡張: 累計30秒まで
Gemini Omni 1.1 Flash
- モデルコード: gemini-omni-1.1-flash
- 2026年8月27日にGA(一般提供)
- 入力動画(編集・拡張): 最大10秒
- 出力: 3〜10秒
- 拡張: 10秒刻みで累計40秒まで
- フレーム補間: 最大2画像
- 2026年12月3日にgemini-omni-1.2-flashへルーティング予定
室谷代表取締役発表の主語はあくまでGoogleです。Xの投稿はGoogle AI Studioのアカウントから出ていますが、これは告知のチャネルであって、発表主体はGoogleなんですよね。
テキトー教師DotAI 認定講師公式ドキュメントのモデルページを見ると、モデルコードは「gemini-omni-1.2-flash」。入力はテキスト・画像・動画、出力は音声付きの動画とテキストです。
動画編集用に入力動画は最大15秒、拡張用のルックバックは10秒まで。出力は3秒から15秒で、360p・720p・1080p・4K、24FPSという仕様が明記されています。
動画編集用に入力動画は最大15秒、拡張用のルックバックは10秒まで。出力は3秒から15秒で、360p・720p・1080p・4K、24FPSという仕様が明記されています。
室谷代表取締役入力トークン上限が131,072、出力トークン上限が65,536というのも書かれていますね。あと最初と最後のフレーム補間は3〜10秒、1ターンあたりの動画拡張は累計30秒まで、という区切りも公式ページにあります。
テキトー教師DotAI 認定講師ここは混同しやすいので整理しておきたいです。1.2の出力は3〜15秒ですが、フレーム補間と1ターンあたりの拡張は3〜10秒の枠で、拡張は累計30秒まで。
全部が同じ長さではないんですよ。
全部が同じ長さではないんですよ。
室谷代表取締役前バージョンのGemini Omni 1.1 Flashは2026年8月27日にGA（一般提供）になっていて、そのときは入力動画が編集も拡張も最大10秒、出力は3〜10秒、拡張は10秒刻みで累計40秒まで、フレーム補間は最大2画像という仕様でした。1.2はそこから参照範囲とクリップの長さが広がった形ですね。
テキトー教師DotAI 認定講師バージョンの扱いも公式ページに書かれています。Stableがgemini-omni-1.2-flash、そしてStableがgemini-omni-1.1-flashで、こちらは2026年12月3日にgemini-omni-1.2-flashへルーティングされる予定。
gemini-omni-flash-previewはシャットダウン済みという整理です。
gemini-omni-flash-previewはシャットダウン済みという整理です。
室谷代表取締役つまり1.1を使っている開発者は、その日を境に自動で1.2側に寄るわけです。モデル文字列をどうするかは早めに確認しておきたいところですね。
Gemini Omni 1.2 Flashでできること——動画生成・会話編集・音声まで
Gemini Omni 1.2 Flashでできること
動画生成
テキストから動画、画像から動画を生成
参照の組み合わせ
画像・テキスト・動画・音声を参照として組み合わせ、動きやスタイルを別素材から持ってくる
動画の拡張・フレーム補間
公式ページに並ぶ機能として動画の拡張とフレーム補間に対応
会話形式の編集
Interactions APIで会話の文脈を保ちながら複数ターンで生成・編集を重ねる
自然言語でのステップ編集
前の編集を踏まえて一貫したシーンを保ちながら指示できる
ネイティブ音声
出力動画に音声がネイティブで付き、より自然な音声が新ポイント
物理・世界知識に基づく動き
重力・運動エネルギー・流体の動きや歴史・科学の文脈を踏まえた表現
室谷代表取締役できることの中心は、テキストや画像から動画を作る生成と、作った動画を会話で直していく編集です。公式ページでは、自然言語でステップバイステップに編集し、前の編集を踏まえて一貫したシーンを保つと説明されています。
テキトー教師DotAI 認定講師具体的な機能として公式ページに並んでいるのは、テキストから動画、画像から動画、参照を組み合わせる使い方、動画の拡張、フレーム補間、そしてInteractions APIを使った会話形式の編集ですね。Interactions APIは会話の文脈を保ちながら複数ターンで生成・編集を重ねるためのAPIです。
室谷代表取締役会話で編集できるのは実務で効きますよ。MYUUUでも動画の素材を作るとき、1回出した結果に対して「ここだけ変える」ができるかどうかで試行回数が全然違うので。
テキトー教師DotAI 認定講師公式ページの作例も面白いです。鏡に触れた瞬間に液体のように波打たせたり、モノクロの線画に変えたり、フェルトの人形にしたり。
人物を別のキャラクターに差し替える、カメラアングルを変える、という編集も自然言語で指示する形で紹介されています。
人物を別のキャラクターに差し替える、カメラアングルを変える、という編集も自然言語で指示する形で紹介されています。
室谷代表取締役参照の使い方も多彩ですね。画像やテキスト、動画、音声を参照として組み合わせて1つの出力にまとめる。
動きやスタイルを別の素材から持ってくる、という指示も例として挙がっています。
動きやスタイルを別の素材から持ってくる、という指示も例として挙がっています。
テキトー教師DotAI 認定講師音声は出力動画にネイティブで付きます。今回のスレッドでは「more natural speech」、つまりより自然な音声が新ポイントとして挙げられています。
公式ページの作例でも、指が触れたときに動物のおもちゃの鳴き声を鳴らす、アパートの明かりが音楽に同期して点く、といった音と映像の同期を扱った指示が紹介されています。
公式ページの作例でも、指が触れたときに動物のおもちゃの鳴き声を鳴らす、アパートの明かりが音楽に同期して点く、といった音と映像の同期を扱った指示が紹介されています。
室谷代表取締役物理や世界知識に基づく動きも売りにしていますよね。重力や運動エネルギー、流体の動きを踏まえた表現とか、歴史や科学の文脈を踏まえた説明動画とか。
プロンプト次第で「それらしい絵」から「筋の通った映像」に寄せられる、という訴求です。
プロンプト次第で「それらしい絵」から「筋の通った映像」に寄せられる、という訴求です。
1.1から何が変わった？5つのアップデートを読み解く
1.1と1.2の主な変更点
1.1
- 出力クリップは3〜10秒
- 入力動画は編集も拡張も最大10秒
- 拡張は10秒刻みで累計40秒まで
- 360pプレビューは720p比で最大60%高速・3分の1のコスト
1.2
- 出力クリップが3〜15秒に拡大
- 入力動画は編集用15秒・拡張用ルックバック10秒に拡大
- 1ターンあたりの拡張が累計30秒まで
- フレーム補間が3〜10秒
- スレッドで「fast & 30% lower cost」と案内
- Interactions APIによる複数ターンの会話形式編集
- 「more natural speech」でより自然な音声
- 「more controllable shots」で制御性の高いショット
テキトー教師DotAI 認定講師ここは公式スレッドの5点を、公式ページの仕様と突き合わせながら整理するとこうです。
- 高速化とコスト30%削減：スレッドで「fast & 30% lower cost」と明記
- より長いクリップ：出力が3〜15秒に拡大（1.1は3〜10秒）、入力動画は編集用15秒・拡張用ルックバック10秒に拡大（1.1は編集も拡張も最大10秒）
- 会話形式での編集：Interactions APIによる複数ターンの編集
- より自然な音声：スレッドの「more natural speech」
- 制御性の高いショット：スレッドの「more controllable shots」
室谷代表取締役5点のうち、数字で明確に比較できるのはクリップの長さですね。出力の上限が10秒から15秒になり、入力の参照範囲も広がった。
これは編集の設計が変わるレベルの違いなんですよね。
これは編集の設計が変わるレベルの違いなんですよね。
テキトー教師DotAI 認定講師1ターンあたりの拡張が累計30秒まで、フレーム補間が3〜10秒という点も公式ページにあります。1.1のときは拡張が10秒刻みで累計40秒まででしたから、単純に全部が大きくなったというより、長さの設計が組み替えられているんですよ。
既存のワークフローで拡張を多用している人は、ここは確認が必要です。
既存のワークフローで拡張を多用している人は、ここは確認が必要です。
室谷代表取締役コスト30%削減も見逃せないです。1.1のときは360pの軽量プレビューが720p比で最大60%高速・3分の1のコストという案内があったので、その流れで試作のコストがさらに下がる方向ですね。
テキトー教師DotAI 認定講師ただし、30%削減が何との比較なのか、どの解像度を指すのかは、今回参照した資料の中ではそこまで細かく示されていません。そこは「スレッドで30% lower costと案内されている」以上に踏み込まないほうが正確です。
室谷代表取締役制御性の高いショットについては、フレーム補間で始点と終点を指定できることが効きますね。カメラの回転やズームの遷移、ループするクリップを作るときに、出たとこ勝負じゃなくなる。
テキトー教師DotAI 認定講師1.1のブログでも、最初と最後のフレームを指定して連続した動画を作る使い方が紹介されていました。1.2ではそこが「more controllable shots」として前に出てきた、という理解でいいと思います。
Gemini Omni 1.2 Flashの使い方・始め方（AI StudioとGemini API）
室谷代表取締役使い始めるルートは2つです。Google AI Studioで試すか、Gemini APIからモデルコード「gemini-omni-1.2-flash」を指定するか。
公式ページには「Try in Google AI Studio」の導線も用意されています。
公式ページには「Try in Google AI Studio」の導線も用意されています。
テキトー教師DotAI 認定講師室谷代表取締役APIから呼ぶ場合は、Interactions APIで会話をつなげていく形が中心になります。前のやり取りを踏まえて編集を重ねるので、1回ごとに独立した生成をするというより、会話の流れで育てていくイメージですね。
テキトー教師DotAI 認定講師1.1のブログには、前のインタラクションを指定して「Continue the scene.」と投げ、解像度を360pに指定するコード例が載っていました。1.2でも同じ考え方で、続きを生成する指示と解像度の指定を組み合わせる使い方になります。
室谷代表取締役プロンプトの書き方は、公式ページのプロンプトガイドが参照先として案内されています。作例を見ると、変化のきっかけを明確にする書き方が多いですね。
「手が開いたら」「鏡に触れたら」というトリガーと、その後の変化をセットで書く。
「手が開いたら」「鏡に触れたら」というトリガーと、その後の変化をセットで書く。
テキトー教師DotAI 認定講師音についての指示も具体的です。「音楽なし、現実的な効果音だけ」といった指定が作例に入っています。
音声がネイティブで付くモデルなので、何を鳴らすか、鳴らさないかを書くことが品質に効いてきます。
音声がネイティブで付くモデルなので、何を鳴らすか、鳴らさないかを書くことが品質に効いてきます。
室谷代表取締役フレームレートは24FPSで、出力解像度は360p・720p・1080p・4Kから選ぶ形です。1080pと4Kはアップスケーリングで生成される、というのが1.1のときの案内でした。
試作は軽い解像度で回して、最後に上げるという進め方が現実的ですね。
試作は軽い解像度で回して、最後に上げるという進め方が現実的ですね。
テキトー教師DotAI 認定講師動画生成の料金感覚を知りたい人は、Geminiの動画生成は無料で使える？料金とGoogle Vidsの無料ルートをまとめも参考になります。ただし今回の1.2の具体的な料金表は、参照した資料の中では価格ページへのリンクがあるだけで、数字までは示されていません。
料金・提供範囲——コスト30%削減と日本からの利用は
室谷代表取締役料金について確実に言えるのは、スレッドで「30% lower cost」と案内されていること。そして公式ページのPricing欄が価格ページへの参照になっていることです。
具体的な単価は、今回参照した資料には記載がありません。
具体的な単価は、今回参照した資料には記載がありません。
テキトー教師DotAI 認定講師ですので「1本いくら」という話は、価格ページで確認するのが正確です。ここで記憶で埋めると記事として危ないので、明らかにされていない部分は明らかにされていないと書くのが誠実なんですよ。
室谷代表取締役提供範囲は、Google AI StudioとGemini APIで利用可能というのが公式の案内です。1.2はStableとして掲載されていて、プレビュー版という扱いではありません。
1.1は2026年12月3日以降、1.2へルーティングされる予定というのも公式ページに明記されています。
1.1は2026年12月3日以降、1.2へルーティングされる予定というのも公式ページに明記されています。
テキトー教師DotAI 認定講師日本からの利用可否や地域制限については、今回参照した資料には記載がありません。ここは「現時点では明らかにされていません」と留保を付けておくのが正確です。
利用可能な地域は公式のポリシーページで確認する形になります。
利用可能な地域は公式のポリシーページで確認する形になります。
室谷代表取締役モデルの系譜を押さえたい人向けに言うと、Google DeepMindは同日系列でNano Banana 2.1やLyria 3.5、Gemini 3.8 Flash TTSなども展開しています。動画だけが動いているわけではなく、画像・音楽・音声のモデル群と並走しているんですね。
全体像はGemini 3.5の全モデルを2026年10月時点で整理｜Flashは今も使えるのかのような整理記事と合わせて見ると位置づけが掴みやすいです。
全体像はGemini 3.5の全モデルを2026年10月時点で整理｜Flashは今も使えるのかのような整理記事と合わせて見ると位置づけが掴みやすいです。
開発者目線の狙い——Flash系が動画ワークフローにもたらすもの
室谷代表取締役1.1の発表時にGoogleは、生成動画ワークフローやクリエイティブツール、メディア編集ソフトを構築する開発者向けに、より制御しやすく反復しやすい生成動画を打ち出していました。1.2はその延長線上なんですよね。
テキトー教師DotAI 認定講師反復のしやすさという点で、コスト30%削減と長いクリップ、会話での編集はセットで効きます。1回の生成が安くなり、素材が長くなり、直しが会話で済む。
試作の回転数を上げるための三点セットなんですよ。
試作の回転数を上げるための三点セットなんですよ。
室谷代表取締役Flash系の意味もそこです。最高品質を1発で出すというより、ワークフローの中に組み込んで何度も回す。
360pの軽量プレビューが用意されていたのも、迅速な試作のためでした。今回の高速化・低コスト化はその思想の強化ですね。
360pの軽量プレビューが用意されていたのも、迅速な試作のためでした。今回の高速化・低コスト化はその思想の強化ですね。
テキトー教師DotAI 認定講師会話で編集できるということは、裏を返すと状態を保ちながら複数ターンを重ねる設計が前提になります。Interactions APIの使い方を理解しているかどうかで、同じモデルでも成果物の安定感が変わってきます。
室谷代表取締役あと、制御性の高いショットは制作現場の受けが違います。カメラワークを指定できるということは、絵コンテや演出の意図をモデルに渡せるということなので、広告や映像制作のパイプラインに組み込むハードルが下がります。
テキトー教師DotAI 認定講師受講生さんでも、動画は「出たものを使う」から「指示して直す」に発想を変える必要があります。1.2はその変換を後押しするアップデートだと見ています。
室谷代表取締役開発者向けのAPI活用という文脈では、Antigravity API完全ガイド：SDK・料金・プロキシ設定までのようにエージェント側から呼ぶ構成も増えています。動画生成をワークフローの一部として自動化するなら、モデル単体ではなく周辺のAPI設計とセットで考える必要がありますね。
テキトー教師DotAI 認定講師まとめると、1.2は「すごい動画が1本出る」という話ではなく、動画を作って直して長くする作業を、安く速く回せるようにしたアップデートです。マイナーに見えて、ワークフローに組み込んでいる人ほど影響が大きい変更なんですよ。
よくある質問
室谷代表取締役ここからは、よく聞かれる点を整理していきます。
テキトー教師DotAI 認定講師まず「Gemini Omni 1.2 Flashとは何か」ですが、Googleの高速・低コストな動画生成・編集モデルで、テキスト・画像・動画・音声を入力に、音声付き動画を出力します。Gemini Omniというモデル群の最新版で、Flashは高速版を指す命名です。
室谷代表取締役「1.1からアップグレードする価値はあるのか」という点は、出力が3〜10秒から3〜15秒に伸び、入力動画の参照範囲も編集15秒・拡張ルックバック10秒に広がり、コスト30%削減と会話編集、自然な音声、制御性の高いショットが入る、という差分で判断する形になります。
テキトー教師DotAI 認定講師「料金はいくらか」は、スレッドで30% lower costと案内されている以上は資料で確認できますが、具体的な単価は今回参照した資料には記載がありません。価格ページでの確認が必要です。
室谷代表取締役「どこで使えるのか」はGoogle AI StudioとGemini APIです。1.2はStableとして掲載され、1.1は2026年12月3日に1.2へルーティングされる予定です。
テキトー教師DotAI 認定講師「日本から使えるのか」は、今回参照した資料に地域制限の記載がないため、現時点では明らかにされていません。利用可能な地域は公式のポリシーページで確認してください。
室谷代表取締役「解像度とフレームレートは」という質問には、出力が360p・720p・1080p・4Kで24FPS、出力長は3〜15秒、フレーム補間と1ターンあたりの拡張は3〜10秒、拡張は累計30秒まで、と公式ページの仕様どおりに答えるのが正確です。
テキトー教師DotAI 認定講師「プロンプトのコツは」については、公式ページのプロンプトガイドと作例が参照先です。変化のきっかけを明示する、音を鳴らすか鳴らさないかを書く、といった書き方が作例から読み取れます。
室谷代表取締役というわけで、動画生成を仕事のフローに入れている人ほど、1.2への切り替えタイミングとモデル文字列の扱いを早めに確認しておくといいですね。
