Ep.1591 Googleが「Gemini Omni 1.2 Flash」を一般提供──15秒の動画生成と30％の値下げで実務導入を加速（2026年11月6日配信）

タイトル

Googleが「Gemini Omni 1.2 Flash」を一般提供──15秒の動画生成と30％の値下げで実務導入を加速

このエピソードで登場するキーワードを説明します。

Google DeepMind: 米Alphabet傘下のAI研究開発組織。基盤モデル「Gemini」シリーズや動画・音声を含むマルチモーダルAIの開発を統括している。

Gemini Omni 1.2 Flash: Googleが2026年11月5日に発表した動画生成・編集特化型のマルチモーダルAIモデル。最大15秒のネイティブ動画生成や対話型の連続編集に対応する。

Google Vids: Google Workspace向けに提供されているAI動画制作アプリケーション。ドキュメントやスライドから業務用の解説動画やプレゼン動画を自動生成できる。

FPV (First Person View): ドローンなどの操縦者自身の視点を再現する一人称視点の映像表現。建物内部を通り抜けるような没入感の高い連続カメラワークに用いられる。

SynthID: Google DeepMindが開発したAI生成コンテンツ向けの電子透かし技術。人間の目には見えない形で画素や音声に識別情報を埋め込み、生成物の出所を検証可能にする。

それでは解説に入ります。

米Googleは2026年11月5日、動画の生成と編集を担う最新マルチモーダルモデル「Gemini Omni 1.2 Flash」を発表し、開発者向けのGemini APIおよび法人向けのGoogle Cloud上で一般提供を開始しました。2026年7月に初期版が登場した「Gemini Omni Flash」シリーズの最新アップデートにあたり、同シリーズとして初めてプレビュー段階を終えて企業の商用システムへ本格導入できる一般提供へと移行しています。

今回のアップデートにおける最大の柱は、生成できる動画の長さとコスト効率の抜本的な改善です。これまで最大10秒に制限されていたネイティブ動画生成の尺が最大15秒へと50パーセント延長され、3秒から15秒までの範囲で1秒単位の細かな時間指定が可能になりました。これにより、SNS向けの動画広告や商品の機能解説、複数カットを含むストーリー動画を一度の生成で完結できるようになります。同時にAPIの利用料金は前世代の「Gemini Omni 1.1 Flash」における100万動画出力トークンあたり17.50ドルから12.00ドルへと約30パーセント引き下げられました。標準的な720p画質での出力コストは1秒あたり約0.07ドル、15秒の動画1本で約1.05ドルとなり、前世代で10秒の動画を生成していた費用とほぼ同額で15秒の動画を作成できる計算になります。

実務における制作ワークフローの制御性も大きく引き上げられました。その中核となるのが、最大15秒の動画全体に対してチャット形式で段階的に修正を重ねられるマルチターン編集機能です。従来の動画生成AIでは、一部の表現が気に入らない場合でも最初から動画全体を再生成する必要がありましたが、新モデルでは登場人物の演技やカメラの動き、甲冑の反射といった細部を維持したまま、対話の指示だけで背景を森から城へ差し替えたり、照明や天候、画面の縦横比を変更したりすることができます。制作現場ではまず360pの低解像度・約0.35ドルで素早くラフ案を作成し、対話で細部を詰めた上で、最終成果物のみを1080pや4K画質へアップスケールするといったコストを抑えた運用が可能になります。ただし、最初のフレームと最後のフレームの両方を固定して間を補間する生成モードについては、現時点でも最大10秒までの制限が維持されています。

さらに、企業のブランド管理で課題となっていた参照素材への追従性とフレーム間の一貫性も強化されました。キャラクターや商品の静止画、最大3秒の短い動作クリップ、そして1秒程度の音声サンプルを組み合わせて入力することで、360度回転するバーチャル試着動画や複数カットをまたぐ映像でも、衣服の質感やパッケージの印字、ブランドカラーが最後まで崩れずに維持されます。音声面でも複数人の対話における声の振り分けと口元の動きを合わせるリップシンクの精度が向上したほか、カメラワークではカット割りを挟まずに建物内部を一気に駆け抜けるFPVドローン映像や、海岸の接写から島全体の空撮へ一気に引くズームアウトなど、映画のような連続撮影表現に対応しました。

競合環境を見渡すと、2026年11月に入りビジュアル生成AIの覇権争いは実務ワークフローの主導権を巡って一段と激しさを増しています。発表前日の2026年11月4日には米OpenAIが画像生成モデル「Images 2.6」を公開し、生成速度の50パーセント向上とGIFアニメーションおよびベクター画像の出力対応を打ち出したばかりです。また、同日にはオープンウェイトのマルチモーダルモデル「InternLumina-U2」が公開されるなど、自社サーバーで無料運用できるオープンモデルと、クラウド上で高度な編集制御を提供する商用APIとのすみ分けも議論されています。そうした中でGoogleは、生成されたすべての動画に目に見えない電子透かしであるSynthIDを標準で埋め込み、さらにGoogle Workspace契約者であれば動画制作アプリのGoogle Vids上で15秒の動画生成を追加料金なしで利用できるようにするなど、著作権や真贋証明への配慮と既存の業務スイートへの統合を武器にエンタープライズ市場の囲い込みを図っています。すでにデザイン大手のAdobeが「Adobe Firefly」へ、Figmaが「Figma Weave」への統合を進めているほか、アパレル試着アプリのWheringや映像制作のMonksなどが実務パイプラインへの導入を開始しており、AI動画生成は実験的な映像制作の段階から、企業が大量の広告や販促素材を日常的に量産する実用インフラの段階へと移行しつつあります。

今回のエピソードは以上で終了です。また次回お会いしましょう。