マルチモーダル

Gemini Omni Flash 1.2

Google DeepMind 提供

Googleの動画モデルが、15秒に伸びました。
テイク全体を直せて、1秒あたり約30%安くなっています。

Gemini Omni Flash 1.2

主な機能

技術仕様

Gemini Omni

Omni Flashの3番目のリリース。モデルIDはgemini-omni-1.2-flash

3〜15秒

整数秒で指定、標準は10秒。延長で30秒まで

最大4K

360pと720pがネイティブ、1080pと4Kはアップスケール

約$0.07/秒

720pの場合。Omni Flash 1.1より約30%安い

画像6枚

2人までのキャラクターに3枚ずつ。3秒のクリップも可

ネイティブ

セリフ、効果音、音楽を同じ生成で作成

16:9、9:16

完成したテイクに追加の指示を送って切り替え

SynthID

生成したすべてのクリップに入る不可視の出所マーク

活用事例

海岸沿いの道を走るひとりの自転車乗りを、夜明けの霧から日差しの中まで追った4コマのフィルムストリップ

15秒のワンテイク

近づき、曲がり、たどり着くまでを1回の生成で収められます。10秒の断片を延長でつなぐ必要はありません。

同じキッチンの窓辺を二分割した画面。左は灰色の朝の光、右は暖かな夕暮れ

打ち込んで直す編集

テイクを渡して変更点を伝えるだけです。部屋の光を変える、瓶を替える、ラベルを書き直す。画面のそれ以外は崩れません。

架空の司会者2人の参照カードと、作業台越しに話す2人の完成ショットを並べた画面

2人とも保たれる

2人それぞれ3枚の写真で、顔と衣装を固定できます。最初のテイクから最後の編集まで、ふたり芝居の人物が同じに見えます。

同じ市場の屋台を横長の画面と縦長のクロップで並べた画面

ひとつのテイクで縦も横も

横長が承認されたら、縦長版を追加で依頼します。比率の変更は新しい生成ではなく、追加の指示で済みます。

夕方の光のなか、カフェのテーブル越しに話し込む架空の同僚2人

2人の声がある場面

両方の台詞を書けば、それぞれの口にリップシンクで割り当てられて返ります。声は、その後の編集を重ねても保たれます。

柔らかなキーライトの下に置かれた、架空のロゴ入りラベルの琥珀色のリブ付きボトル

崩れないパッケージ

自社のカートンを参照として渡せます。カメラが回り込んでも、書体は似て非なるものに崩れず、そのまま残ります。

プロンプト例

15秒のひと場面

15秒のワンショット:夕暮れの商店街で、ひとりの男性が軒先の提灯に順に火を入れていく

Edit prompt

2人の会話

ふたりの同僚が、煮物の味付けをめぐって言い合う。暖かい台所、台詞が重なる

Edit prompt

カメラの動き

雨上がりの路地から、灯りのともる2階の窓まで、途切れない1本のクレーン移動

Edit prompt

画面内の文字

手描きの看板に「冷やし中華はじめました」の文字が、一文字ずつ現れる

Edit prompt

商品を回す

リブ入りのガラス瓶が、濃い色のリネンの上でゆっくり回り、ラベルが読める

Edit prompt

音で見せるショット

やかんが沸騰する瞬間に寄る。カタカタという音も湯気の音も、はっきり聞こえる

Edit prompt

概要

Gemini Omni Flash 1.2は、Google DeepMindのマルチモーダル動画モデルの3番目のリリースです。Googleでの表記はGemini Omni 1.2 Flashで、2026年11月5日に発表されました。モデルの基本は変わっていません。プロンプト、画像、短いクリップを入れると、同期した音声つきの動画が返ります。その後の追加指示も、同じテイクに対して効き続けます。変わったのは、1回の生成に収まる場面の長さと、そこまでにかかる費用です。

Gemini Omni Flash 1.2の新機能

1回の生成は、3秒から整数秒で指定して最長15秒になりました。1.1は10秒までです。会話編集はクリップ全体に及びます。商品の差し替え、天気の変更、縦長版の依頼は、承認したテイクへの追加指示で済みます。参照は人物を軸に整理され、1回につき画像6枚、うち2人までは3枚ずつ使えます。料金も下がりました。Googleは720pを1秒あたり約$0.07としており、1.1より約30%安く、360pのドラフトはさらに安く済みます。

目立ちにくい改善は、画面の中で動かないはずのものが動かなくなったことです。Googleによると、顔、衣装、パッケージの文字、色がショットの中で安定し、連続するカメラの動きの途中で勝手にカットが入ることも減りました。セリフはより自然になり、リップシンクも明瞭になり、複数の話者に対応します。まだ途上とされているのは3つです。速いスポーツの動き、急に展開が変わる台本、複雑な物理です。

15秒になると、書き方が変わる

10秒は断片です。そのため1.1では、ひとつの動作だけを書き、残りは延長に任せるプロンプトになりがちでした。15秒あれば、始まりと終わりのあるひと場面になります。プロンプトにも、近づき、曲がり、たどり着くという小さな構成を入れられます。それより長い場面では、今も延長を使います。1回の延長は3〜10秒で、合計30秒までです。直前の10秒を文脈として読む点も変わりません。違いは、延長が必要になる回数が減ることです。

MorphicでのGemini Omni Flash 1.2

Gemini Omni Flash 1.2は、Morphicのカタログにはまだ入っていません。ただし、Gemini Omni Flash 1.1は動画モデルの選択肢にあり、Veo 3.1、Seedance 2.5、Klingなどと並んでいます。このファミリーのプロンプトの書き方とネイティブ音声は、今日から試せます。同じ指示を複数のモデルに通し、結果をCanvasに並べて比べることもできます。このページの作例はすべて、1.2ではなく、Morphicで使える最も近いモデルで作りました。Googleは、自社APIの1.1へのリクエストを2026年12月3日から1.2へ振り分けると発表しています。プロンプトの組み立てはGemini Omni Flash 1.2のガイド、そのまま使える出発点はGemini Omni Flash 1.2のプロンプト集、変更点の比較は1.2と1.1の比較にまとめました。すぐに生成するなら、Gemini Omni Flash 1.2の動画生成AIを開いてください。

シンプルな料金体系

今すぐ無料で始めて、いつでもアップグレードまたはキャンセルできます。

Basic

$19/ 月
請求額は $228 年

2400 月 クレジット

1 ユーザーのみ

すべてのモデル

ワークフロー

Standard

$24/ 月
請求額は $288 年

3625 月 クレジット

1 ユーザーのみ

すべてのモデル

ワークフロー

Pro

$45/ 月
請求額は $540 年

6350 共有 月 クレジット

1 ユーザー

+ 最大 4 名まで追加費用

すべてのモデル

ワークフロー

Max

$170/ 月
請求額は $2040 年

24650 共有 月 クレジット

1 ユーザー

+ 最大 9 名まで追加費用

すべてのモデル

ワークフロー

Enterprise

より高い制限のために

カスタム

料金と請求条件

大容量クレジット
カスタムシート制限
すべてのモデル
ワークフロー
Pricing Gradient

Free

気軽に試したい方に

$0

ずっと無料

最大20クレジット
1ユーザーのみ
一部のモデル
ワークフロー

よくある質問

Gemini Omni Flash 1.2とは何ですか?
Googleが「Gemini Omni 1.2 Flash」と表記する、マルチモーダル動画モデルの3番目のリリースで、2026年11月5日に発表されました。テキスト、画像、参照クリップから、同期したネイティブ音声つきの動画を生成します。生成した映像は、普通の言葉での追加指示で編集や延長ができます。1.2では1回の生成が15秒まで伸び、編集はクリップ全体に効き、1秒あたりの単価も約30%下がりました。
1.1と比べて何が変わりましたか?
大きな変更は4つです。1回の生成が10秒から15秒に伸び、整数秒で指定でき、標準は10秒です。会話編集がクリップ全体に効くようになり、アスペクト比の切り替えもできます。参照は人物単位に整理され、2人までに3枚ずつ使えます。そして価格です。Googleの料金表では720pが1秒約$0.07で、1.1の約$0.10より下がっています。
Gemini Omni Flash 1.2で作れる動画の長さは?
1回の生成は3〜15秒の整数秒で、標準は10秒です。最初と最後のフレームを補間する生成と、延長の1回分は3〜10秒で、延長を重ねると合計30秒まで届きます。延長は末尾にだけ足す方式で、クリップの最後の10秒を文脈として読みます。そのため、前に足したり、途中を引き伸ばしたりはできません。
Gemini Omni 1.2 Flashの料金はいくらですか?
Googleの公開単価は、720pで1秒あたり約$0.07です。15秒のクリップなら約$1.04、10秒なら約$0.70になります。360pのドラフトは1秒約$0.023、1080pは約$0.104、4Kは約$0.209で、後者2つはアップスケールで作られます。これはGoogleのAPI料金です。Morphicでは各プランのクレジットで消費されます。
出力できる解像度は?
360p、720p(標準)、1080p、4Kの4つで、比率は16:9か9:16です。1080pと4Kは、生成したものをアップスケールして作ります。料金から見ると、試行は360pで回し、テイクを720pで確定し、納品用の解像度は最後に1回だけ依頼する流れが効率的です。試行のたびに4Kの単価を払う必要はありません。
会話編集はどのように動きますか?
追加の指示は、やり直しではなく直前の結果を編集します。モデルは回をまたいで場面を保ち、今回は短い区間ではなく15秒全体が対象です。指示は短いほどうまくいきます。変えたい点をひとつ挙げ、それ以外は同じままにするよう添えてください。商品の差し替え、天気や光の変更、アスペクト比の切り替えは、新しい生成ではなく追加の指示で行えます。
参照にはどんな素材を使えますか?
1回のリクエストで、参照画像は最大6枚です。人物は2人まで、1人につき3枚を使えます。参照動画は出力の長さで上限が変わります。11〜15秒のクリップなら3秒までのものを1本、3〜10秒なら3本までです。参照動画は新規の生成にだけ使えます。編集と延長では使えず、中の音声も無視されます。
音声やセリフも生成されますか?
はい。セリフ(リップシンクつき)、効果音、環境音、音楽が、映像と同じ生成で返ります。Googleは1.2を、セリフがより自然で、リップシンクが明瞭で、複数の話者を扱えるモデルと説明しています。ふたり芝居も現実的な依頼です。音の指定はプロンプトに書いてください。何も書かないと、モデルが選んだ音がつきます。
自分の音声をアップロードしたり、声を編集したりできますか?
現時点のAPIでは使えません。Googleの発表では、短い声の参照を含む音声の手がかりが入力に挙げられています。一方、開発者向けドキュメントでは、現行バージョンのAPIで音声入力は非対応とされ、声の編集も対応外です。当面、声はテキストで指示するものと考え、入力が開くかどうかはドキュメントで確認してください。
MorphicでGemini Omni Flash 1.2を使えますか?
まだ使えません。ただしGemini Omni Flash 1.1はMorphicの動画カタログにあります。Veo 3.1、Seedance 2.5、Klingと同じCanvasに並べて使えるので、このファミリーのプロンプトの書き方とネイティブ音声は今日から試せます。Googleは、自社APIの1.1へのリクエストを2026年12月3日から1.2へ振り分けると発表しています。1.1で作った手順は、そのまま新しいモデルにつながります。
Gemini Omni Flash 1.2が苦手なことは?
Googleは、開発が続いている領域を3つ挙げています。速いスポーツの動き、急に展開が変わる台本、複雑な物理です。また、画面内の文字とセリフで完全に対応しているのは英語だけで、ほかの言語は結果にばらつきが出ます。自分でアップロードした映像の編集と延長は、EEA、スイス、英国では利用できません。