Gemini Omni 1.1 Flashは、高速な動画生成、対話型編集、補間、シーン延長に対応するGoogleの本番向けモデルです。安定版APIモデルgemini-omni-1.1-flashは2026年8月27日に公開され、360pの下書き、1080p/4Kアップスケール、最初と最後のフレーム指定、動画延長が追加されました。
Poyo.aiでは、動画入力なしの4秒生成が45クレジット（$0.225）からです。以前のomni-flashとは別モデルであり、本記事のID、料金、機能はgemini-omni-1.1-flashだけに適用されます。
2026年8月31日時点。 本番導入前に、最新のリクエスト項目、地域提供、安全制限、料金を確認してください。
Gemini Omni 1.1 Flashの概要
| 項目 | 内容 |
|---|---|
| 開発元 | Google DeepMind |
| 安定版モデルID | gemini-omni-1.1-flash |
| 公開日 | 2026年8月27日 |
| 主な用途 | テキスト/画像から動画、動画編集、補間、延長 |
| 入力 | テキスト、画像、動画。編集・延長では最大10秒の動画コンテキスト |
| 出力 | ネイティブ音声付き動画 |
| クリップ長 | 1回3-10秒 |
| 解像度 | 360p、720p、1080p、4K |
| フレームレート | 24 FPS |
| API | Gemini Interactions API |
| コンテキスト | 1,048,576 tokens |
| 来歴情報 | SynthIDを付与 |
どのようなモデルか
テキスト、画像、既存動画、複数の参照素材を起点に、自然言語で生成と修正を行うマルチモーダル動画モデルです。対話型編集では、最初の生成後に照明、物体、背景を変更したり、シーンを続けたりできます。Interactions APIはprevious_interaction_idで状態を引き継ぐため、毎回すべての指示を繰り返す必要がありません。
強みはネイティブなマルチモーダル入力、会話による反復、Geminiの世界知識です。ただし速い身体動作、手と物体の接触、長時間の人物一貫性、複雑な物理表現は検証が必要です。
1.1で追加・改善された機能
より長い文脈を使うシーン延長
既存動画の最後から続きを生成します。Googleによると、直前1秒だけでなく最大10秒の動画を解析でき、公式ワークフローでは10秒単位、累計40秒まで延長できます。各接続点で顔、衣装、小物、照明、カメラ速度、背景の位置関係を確認してください。
最初と最後のフレーム補間
開始画像と終了画像を与え、その間のカメラと被写体の動きを指定します。カメラ周回、商品公開、ループ、場所の変化、既存編集点への接続に有効です。
高速な360p下書き
Googleの発表では、360pは同社ワークフローの標準720pより最大60%高速で、費用は約3分の1です。まず360pで構図と指示を試し、採用案だけを高解像度にします。
1080pと4K
APIの1080pと4kは、Googleがアップスケール出力と説明しています。高解像度は誤った姿勢や連続性を修復しないため、内容と動きを承認してから利用します。
動画参照
短い動画を画像・テキストと組み合わせられます。動作、タイミング、視覚的文脈など、言葉だけでは伝えにくい情報に役立ちます。
Poyo.aiの料金
200クレジット = $1です。動画入力の有無と4Kかどうかで料金が変わります。
動画入力なし
| 解像度 | 4秒 | 6秒 | 8秒 | 10秒 |
|---|---|---|---|---|
| 360p / 720p / 1080p | 45 / $0.225 | 60 / $0.30 | 75 / $0.375 | 90 / $0.45 |
| 4K | 105 / $0.525 | 120 / $0.60 | 135 / $0.675 | 150 / $0.75 |
動画入力なしでは360p、720p、1080pが同一料金帯です。360pで素早く試し、指示が固まったら1080pを選ぶ運用が合理的です。
動画入力あり
| 解像度 | 1回の生成料金 |
|---|---|
| 360p / 720p / 1080p | 120クレジット / $0.60 |
| 4K | 180クレジット / $0.90 |
動画入力では上の秒数表ではなく、1回ごとの固定料金です。
Google公表価格との比較
GoogleのStandard Gemini APIは720p動画出力を実効約**$0.10/秒**としています。Poyo.aiの動画入力なし720pは、秒単価換算で約44%-55%低くなります。
| 長さ | Poyo.aiの秒単価 | Google公表720p比 |
|---|---|---|
| 4秒 | $0.05625 | 43.75%低い |
| 6秒 | $0.05000 | 50%低い |
| 8秒 | $0.04688 | 53.13%低い |
| 10秒 | $0.04500 | 55%低い |
この比較は動画入力なし・720pのみです。360p、1080p/4K、編集には同じ割引率を適用できません。
解像度と長さの選び方
| 目的 | 推奨開始設定 | 理由 |
|---|---|---|
| プロンプト探索 | 360p、4秒 | 弱い案を早く除外 |
| SNSの企画 | 720p、6秒 | 動き・費用・確認時間のバランス |
| 公開用短編 | 1080p、8-10秒 | 動画入力なしでは同一料金帯 |
| 最終広告素材 | 承認後に4K | 正しい映像だけに高解像度費用を使う |
| 既存動画編集 | 720p/1080p | 編集を確認してから4Kへ |
| 長い物語 | 短い承認済み区間を延長 | 接続点を確認しやすい |
制作ワークフロー
- 生成、アニメーション、補間、編集、延長から主目的を一つ選びます。
- 主体や商品が明瞭な参照素材を用意します。動画は不要なカットのない短いものが適します。
- シーン、カメラ、時間、音声を分けて書きます。
- 短時間・低解像度で下書きし、構造が正しい案だけを仕上げます。
- 顔、手、衣装、文字、影、背景、口と音声、延長の継ぎ目をフレーム単位で確認します。
Scene: [被写体、環境、照明、重要な物]
Camera: [画角、レンズ感、動き、カットの可否]
Timing: [各時間帯で起きること]
Audio: [台詞、環境音、効果音、または台詞なし]
対話型編集の例
人物、カメラの動き、タイミング、部屋は変えない。赤い椅子だけを古びた木製ベンチに置き換え、元の照明、影、反射、接触位置を一致させる。
シーン延長の例
既存のカメラ軌道からシーンを続ける。人物は開いた扉まで歩き、立ち止まって外を見る。朝の光が部屋に入る。顔、コート、部屋の配置、速度、環境音を維持する。
Previewからの移行
Googleはgemini-omni-flash-previewを2026年9月30日に終了し、gemini-omni-1.1-flashへの移行を案内しています。
- 全環境のモデルIDを更新する。
- テキスト、画像、動画入力を個別に試す。
- 4種類の解像度を検証する。
- 順序付きの2画像で最初・最後フレームを試す。
- 動画アップロードと延長上限を再確認する。
- 音声、長さ、安全応答、ファイル配信を比較する。
- 安定版料金で予算を再計算する。
- 終了日までにPreview専用処理を削除する。
制約と責任ある利用
- 高速動作、手、道具、物体接触には破綻が起こり得ます。
- 長い編集では人物の外見が変化する場合があります。
- アップスケールは意味上の誤りを直しません。
- 動画編集の地域提供には差があります。
- Googleは英語を完全対応とし、他言語は同程度に評価されていないとしています。
- 安全フィルターが適用され、生成動画にはSynthIDが入ります。
人物、音声、演技、ブランド、元映像の許可を取得し、実在人物のなりすましや出来事の偽装に使わないでください。
よくある質問
モデルIDは？
gemini-omni-1.1-flashです。gemini-omni-flash-previewおよびPoyo.aiの旧omni-flashとは別です。
4Kに対応しますか？
はい。360p、720p、1080p、4Kに対応し、1080pと4Kはアップスケール出力です。
Poyo.aiでの料金は？
動画入力なしの360p/720p/1080pは4秒45クレジット（$0.225）から、4Kは105クレジット（$0.525）からです。動画入力ありは通常解像度120クレジット（$0.60）、4Kは180クレジット（$0.90）です。
Poyo.aiで始める
低コストで下書きし、動きを承認し、一度に一つだけ修正し、シーン完成後に4Kを選ぶのが効率的です。Gemini Omni 1.1 Flashモデルページでモデルを試し、最新のリクエスト仕様と料金を確認してAPIキーを作成できます。