要点
- Gemini Omni 1.2 Flash(
gemini-omni-1.2-flash)は、Googleの動画生成・編集モデルで、2026年11月5日から一般提供されています。 - クリップの長さは3〜15秒で、1秒単位で指定できます。Omni 1.1の10秒から延びました。最初と最後のフレームを指定するクリップは3〜10秒です。
- 出力は360p、720p、1080p、4K、24 FPSで、16:9または9:16に対応しています。1080pと4Kは、Googleがアップスケールで生成します。
- PoYoでは出力1秒ごとの課金: 360pは5.46クレジット、720pは16.38、1080pは24.58、4Kは49.14です($1 = 200クレジット)。サブスクリプション不要の従量課金クレジットで支払います。
- 1つのモデルIDで4つのモード。 テキストから動画、最初と最後のフレーム、参照画像と参照動画、動画編集を、送るフィールドだけで切り替えられます。
- 1つのAPIキー、シンプルな流れ。 タスクを送信し、ステータスをポーリングするかWebhookで受け取ります。PoYoのほかの画像・動画モデルと同じ呼び出し方です。
Gemini Omni 1.2 Flashの概要
| 項目 | Gemini Omni 1.2 Flash |
|---|---|
| 開発元 | Google DeepMind |
| モデルID | gemini-omni-1.2-flash |
| ステータス | 一般提供、2026年11月5日 |
| タスク | テキストから動画、画像から動画(最初と最後のフレーム)、参照から動画、動画編集、延長 |
| クリップの長さ | 3〜15秒、1秒単位。最初と最後のフレームを指定する場合は3〜10秒 |
| 解像度 | 360p、720p、1080p、4K(1080pと4Kはアップスケール) |
| フレームレート | 24 FPS |
| アスペクト比 | 16:9(デフォルト)または9:16 |
| 編集用の動画入力 | 最大15秒 |
| 出力 | ネイティブ音声付きの動画 |
| 来歴情報 | すべての動画にSynthIDの透かし |
| 言語 | 英語に完全対応 |
このガイドでは、1.2での変更点と呼び出し方を中心に解説します。1.1モデル、その固定料金のティア、プレビュー版からの移行については、Gemini Omni 1.1 Flash APIガイドをご覧ください。
Gemini Omni 1.1 Flashからの変更点
| Gemini Omni 1.1 Flash | Gemini Omni 1.2 Flash | |
|---|---|---|
| リリース | 2026年8月27日 | 2026年11月5日 |
| クリップの長さ | 3〜10秒 | 3〜15秒、1秒単位で任意 |
| 最初と最後のフレーム | 対応 | 3〜10秒 |
| 編集用の動画入力 | 最大10秒 | 最大15秒 |
| 延長(Gemini API) | 入力動画は最大10秒 | 1ターン3〜10秒、10秒のルックバック、合計最大30秒 |
| PoYoの課金 | 生成ごと、4 / 6 / 8 / 10秒のプリセット | 出力1秒ごと、3〜15秒 |
Googleは、参照への忠実さ、一貫性、マルチターン編集が向上したほか、より自然な音声、より明瞭なリップシンク、複数話者の条件付けにも対応したと報告しています。GoogleがOmni 1.2 Flash向けに公開した比較グラフでは、示されたすべてのカテゴリーで評価者が1.1より1.2を選びました。
| タスク | 指標 | Omni 1.2 | Omni 1.1 |
|---|---|---|---|
| 参照から動画 | 総合的な好み | 63% | 37% |
| 参照から動画 | 複数参照での人物の一貫性 | 63% | 37% |
| 画像から動画 | 総合的な好み | 59% | 41% |
| 画像から動画 | 参照した人物の一貫性 | 60% | 40% |
| テキストから動画 | 視覚的な一貫性 | 62% | 38% |
| テキストから動画 | プロンプトへの忠実さ | 55% | 45% |
| 編集 | 指示による編集 | 57% | 43% |
| 編集 | 編集指示への忠実さ | 54% | 46% |
Googleによると、速いスポーツの動き、台本の急な切り替え、複雑な物理表現は引き続き改善が進められている分野です。こうしたショットは、規模を広げる前にテストしておきましょう。
PoYoでのGemini Omni 1.2 Flashの料金
PoYoでは、Omni 1.2 Flashを出力1秒ごとに、サブスクリプション不要の従量課金クレジットで課金します。参照画像と参照動画は、秒単位の料金に含まれています。
| 解像度 | 1秒あたりのクレジット | 1秒あたりの米ドル |
|---|---|---|
| 360p | 5.46 | $0.0273 |
| 720p | 16.38 | $0.0819 |
| 1080p | 24.58 | $0.1229 |
| 4K | 49.14 | $0.2457 |
生成では、指定したdurationの分が課金されます。動画編集では、元動画の長さを秒単位に切り上げた分が課金されます。
クリップ1本あたりのコスト
クリップ1本あたりのクレジット(米ドルはセント単位で四捨五入):
| 長さ | 360p | 720p | 1080p | 4K |
|---|---|---|---|---|
| 3秒 | 16.38($0.08) | 49.14($0.25) | 73.74($0.37) | 147.42($0.74) |
| 5秒 | 27.30($0.14) | 81.90($0.41) | 122.90($0.61) | 245.70($1.23) |
| 8秒(デフォルト) | 43.68($0.22) | 131.04($0.66) | 196.64($0.98) | 393.12($1.97) |
| 10秒 | 54.60($0.27) | 163.80($0.82) | 245.80($1.23) | 491.40($2.46) |
| 15秒 | 81.90($0.41) | 245.70($1.23) | 368.70($1.84) | 737.10($3.69) |
計算例
| シナリオ | 計算 | コスト |
|---|---|---|
| 下書きから納品まで: 360p × 8秒の下書き20本、そのあと1080p × 8秒の完成版2本 | 20×43.68 + 2×196.64 | 1,266.88クレジット($6.33) |
| 9:16の広告セット: 720pで6秒、10秒、15秒のカットを各1本 | (6+10+15)×16.38 | 507.78クレジット($2.54) |
| 12.4秒のクリップを720pで編集(13秒として課金) | 13×16.38 | 212.94クレジット($1.06) |
最も節約できるのは1行目のパターンです。下書きが720pの3分の1のコストで済む360pで、プロンプト、タイミング、動きを固め、残すテイクだけに1080pや4Kの料金をかけます。Google Vids、Flow、GeminiアプリなどGoogle自身の無料ルートやサブスクリプションのルートについては、Gemini Omniは無料で使える?をご覧ください。
Gemini Omni 1.2 FlashをPoYoで呼び出す理由
- 1つのAPIキーですべてのモデルを利用。 Omni 1.2 FlashはPoYoのほかの動画・画像・言語モデルと並んでいるため、新しいアカウントを作らずにモデルを切り替えたり組み合わせたりできます。
- 従量課金のクレジット。 $1 = 200クレジットでクレジットを購入し、出力1秒ごとに支払います。サブスクリプションや月額プランは不要です。
- 4つのモードを1つのモデルIDで。 テキストから動画、最初と最後のフレーム、参照、編集のすべてで
gemini-omni-1.2-flashを使います。 - シンプルな非同期API。 送信用のエンドポイント、ステータス用のエンドポイント、任意のWebhookが1つずつで、すべてのモデルで共通です。
- まずはPlaygroundで。 ブラウザ上でクレジットの見積もりを見ながらプロンプト、フレーム、参照、編集を試し、そのままのJSONリクエストをコピーできます。
4つの入力モード、1つのモデルID
PoYoは各リクエストのフィールドからモードを判定し、次の順で確認します。
| モード | 送るもの | 長さ | 補足 |
|---|---|---|---|
| 動画編集 | video_url + prompt | 元のクリップに合わせる(最大15秒) | video_urlとあわせてpromptと任意のresolutionを送る |
| 参照による生成 | reference_image_urlsとreference_video_urlsのどちらか、または両方 | 3〜15秒 | 画像は最大10枚、動画は最大3本(各15秒まで)。画像と動画は組み合わせ可能 |
| 最初と最後のフレーム | 画像1枚または2枚のimage_urls | 3〜15秒。最後のフレームを指定する場合は10秒まで | 1枚なら開始フレーム、2枚なら順に開始と終了のフレーム |
| テキストから動画 | promptのみ | 3〜15秒 | 必要に応じてresolution、duration、aspect_ratioを追加 |
共通フィールド:
| フィールド | 値 | デフォルト |
|---|---|---|
prompt | 必須。最大20,000文字 | — |
duration | 3〜15の整数 | 8 |
resolution | 360p、720p、1080p、4k | 720p |
aspect_ratio | 16:9、9:16 | 16:9 |
callback_url | WebhookのURL | — |
メディアのURLはすべて、公開されたHTTPまたはHTTPSのリンクです。image_urlsは単独で送り、2つの参照フィールドは一緒にでも、どちらか一方だけでも送れます。編集したクリップは、元動画の構図を保ちます。
PoYoでGemini Omni 1.2 Flash APIを呼び出す方法
処理は非同期です。タスクを送信してtask_idを受け取り、ステータスのエンドポイントをポーリングするか、Webhookを待ちます。
1. タスクを送信する
curl -X POST https://api.poyo.ai/api/generate/submit \
-H "Authorization: Bearer $POYO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-omni-1.2-flash",
"callback_url": "https://your-domain.com/callback",
"input": {
"prompt": "[0-4s] Wide shot of a lighthouse on a cliff at dusk, waves crashing below. [4-9s] The camera pushes in as the lamp turns on and sweeps across the sea. [9-12s] Close-up of the keeper closing a logbook. Wind and distant gulls, no dialogue.",
"duration": 12,
"resolution": "720p",
"aspect_ratio": "16:9"
}
}'
レスポンスでタスクIDが返ります。
{
"code": 200,
"message": "success",
"data": {
"task_id": "task-unified-1757165031-uyujaw3d",
"status": "not_started",
"created_time": "2026-11-14T10:30:00"
}
}
ボディのcodeは必ず確認してください。一部のバリデーションエラーは、HTTP 200で"code": 400を返します。
2. タスクのステータスをポーリングする
curl https://api.poyo.ai/api/generate/status/task-unified-1757165031-uyujaw3d \
-H "Authorization: Bearer $POYO_API_KEY"
data.statusはnot_started、runningと進み、最後にfinishedまたはfailedになります。完了したタスクは、動画のURLと消費したクレジットを返します。
{
"code": 200,
"data": {
"task_id": "task-unified-1757165031-uyujaw3d",
"status": "finished",
"credits_amount": 196.56,
"files": [
{
"file_url": "https://storage.poyo.ai/generated/video-abc123.mp4",
"file_type": "video"
}
],
"created_time": "2026-11-14T10:30:00",
"progress": 100,
"error_message": null
}
}
12秒の720pクリップは12×16.38 = 196.56クレジットです。
3. Pythonの完全な例
import os
import time
import requests
BASE = "https://api.poyo.ai"
HEADERS = {
"Authorization": f"Bearer {os.environ['POYO_API_KEY']}",
"Content-Type": "application/json",
}
body = {
"model": "gemini-omni-1.2-flash",
"input": {
"prompt": "A ceramic mug of coffee on a sunlit wooden table. Steam rises as the camera slowly orbits. Soft cafe ambience, no dialogue.",
"duration": 6,
"resolution": "360p",
"aspect_ratio": "9:16",
},
}
submit = requests.post(f"{BASE}/api/generate/submit", json=body, headers=HEADERS, timeout=30).json()
if submit.get("code") != 200:
raise RuntimeError(submit)
task_id = submit["data"]["task_id"]
while True:
status = requests.get(f"{BASE}/api/generate/status/{task_id}", headers=HEADERS, timeout=30).json()["data"]
if status["status"] == "finished":
print(status["files"][0]["file_url"], status["credits_amount"])
break
if status["status"] == "failed":
raise RuntimeError(status.get("error_message"))
time.sleep(10)
この6秒・360pの下書きは32.76クレジットです。ショットが決まったら、同じプロンプトを1080pまたは4kで再送信します。
ほかのモードのリクエストボディ
最初と最後のフレーム(画像が2枚なので、durationは10以下にします):
{
"model": "gemini-omni-1.2-flash",
"input": {
"prompt": "One continuous camera move from the shop exterior through the door to the diner at the counter. Keep the signage and the character unchanged.",
"image_urls": [
"https://example.com/first-frame.webp",
"https://example.com/last-frame.webp"
],
"duration": 8,
"resolution": "1080p",
"aspect_ratio": "16:9"
}
}
ミニチュアのラーメン店の外観を最初のフレーム、カウンター席の客を最後のフレームにして、Gemini Omni 1.2 Flashが1つの連続したカメラの寄りでつないだ映像。
参照画像と参照動画:
{
"model": "gemini-omni-1.2-flash",
"input": {
"prompt": "The woman from the first image walks toward the camera wearing the jacket from the second image, matching the walking rhythm of the reference video.",
"reference_image_urls": [
"https://example.com/model.webp",
"https://example.com/jacket.webp"
],
"reference_video_urls": ["https://example.com/walk.mp4"],
"duration": 10,
"resolution": "720p",
"aspect_ratio": "9:16"
}
}
モデルの写真1枚と、各コーディネートの前後のショットから作った、同じ人物のまま進む15秒のバーチャル試着シーケンス。
動画編集(prompt、video_url、任意のresolutionを送ります。長さと構図は元動画に合わせます):
{
"model": "gemini-omni-1.2-flash",
"input": {
"prompt": "Change the season to winter with light snowfall. Keep everything else the same.",
"video_url": "https://example.com/source.mp4",
"resolution": "720p"
}
}
編集をさらに詰めたいときは、返ってきた動画を次のvideo_urlとして、新しい指示と一緒に送ります。
騎士と女王のクリップ1本を、ターンごとにオークの森から厩舎、市場の祭り、石造りの城へと編集した例。登場人物と構図はそのまま保たれています。
Gemini Omni 1.2 Flashのプロンプトのコツ
15秒のクリップなら、1テイクに複数のショットを収める余裕があります。たとえば、ミツバチの巣の中で撮影した4ショット構成のマクロ解説動画です。
Gemini Omni 1.2 Flashで生成した、ミツバチの巣の中を舞台にアニメーションの注釈付きで進む、15秒・4ショットのマクロ解説動画。
Googleのプロンプトガイダンスを、1.2の長いクリップに当てはめると次のようになります。
- 15秒のクリップではタイムコードを使う。
[0-4s]、[4-9s]のような書き方で、1本のクリップに複数の展開やショットを配置し、それぞれのタイミングを制御できます。 - 音声を描写する。 Omniは映像と一緒に音を生成します。セリフ、環境音、効果音、音楽のスタイルなど、聞かせたい音を書きましょう。
- 除外の指示は短くする。 不要な要素を取り除くには、「No dialogue」のようなシンプルな言い回しをGoogleは推奨しています。
- 編集のプロンプトはシンプルにする。 変えたい点を1つ書き、「Keep everything else the same」を添えて、ショットのほかの部分を守ります。
- 画面上の文字は正確に書く。 看板やキャプションを表示させたい場合は、その文言をそのままプロンプトに書きます。
- 1ショットにしたいときは「one continuous shot」と書く。 Omniはクリップを短い物語のように見せるためにカットを入れることがあります。1ショットが必要なら、そう指示してください。
- 最も安定した結果を得るには、プロンプトを英語で書く。 Googleは英語を完全対応の言語としています。
長さと解像度の選び方
| 目的 | 最初の設定 | 理由 |
|---|---|---|
| プロンプトの試行 | 360p、4〜6秒 | 1秒あたり5.46クレジットで、最も速く結果を確認できる |
| SNS用のクリップ | 720p、6〜10秒、9:16 | 品質とコストのバランスがよい |
| 複数ショットのストーリーや広告 | 720p、15秒 | 1テイクにタイムコード付きの展開を3〜4つ入れられる |
| 制御されたトランジション | 最初と最後のフレーム、10秒以下 | ショットの始まりと終わりを固定できる |
| 商品やキャラクターの一貫性 | 参照画像 + 720p | 人物と商品を別々のファイルで指定できる |
| 最終納品 | 承認後に1080pまたは4K | アップスケールで良いテイクをより鮮明に。先に動きを承認する |
1.1から1.2への移行
- モデルID:
gemini-omni-1.1-flashをgemini-omni-1.2-flashに変更します。 - 長さ: PoYoの1.1は4、6、8、10秒を受け付けます。1.2は3〜15秒の任意の整数秒を受け付け、デフォルトは8秒です。
- フィールド名: リクエストを1.2のフィールドと照らし合わせてください。フレームには
image_urls、参照にはreference_image_urlsとreference_video_urls、編集にはvideo_urlを使います。 - 予算: PoYoの1.1は生成ごとの定額、1.2は秒単位の課金なので、3秒のクリップは8秒のクリップより安くなります。
- スケジュール: Googleは、2026年12月3日から
gemini-omni-1.1-flashへのGemini APIリクエストが1.2で処理されると発表しています。今後の開発には1.2を使いましょう。
PoYoではどちらのモデルIDも利用できます。本番のトラフィックを切り替える前に、小さな回帰テストのセット(顔、商品、速い動き、画面上の文字、セリフ)を1.2で実行し直し、リクエストあたりではなく承認したクリップあたりのコストで比べてください。
よくある質問
Gemini Omni 1.2 Flashとは何ですか?
ネイティブ音声付きの短いクリップを生成・編集する、Googleのマルチモーダル動画モデルです。テキスト、画像、動画を入力でき、最大4Kで3〜15秒の動画を出力します。Googleは2026年11月5日に一般提供を開始しました。
Gemini Omni FlashのAPIはありますか?
はい。Googleはgemini-omni-1.2-flashをGemini APIとGoogle Cloudで提供しています。PoYoでは、POST https://api.poyo.ai/api/generate/submitに"model": "gemini-omni-1.2-flash"を指定して同じモデルを呼び出し、GET /api/generate/status/<task_id>で結果を取得します。
Gemini Omni 1.2 Flash APIの料金はいくらですか?
PoYoでは1秒あたり、360pで5.46クレジット、720pで16.38、1080pで24.58、4Kで49.14クレジットです。8秒の720pクリップなら131.04クレジット($0.66)になります。支払いはサブスクリプション不要の従量課金クレジットです。
Gemini Omni 1.2 Flashの動画はどのくらいの長さにできますか?
3〜15秒の任意の整数秒です。最初と最後のフレームを両方指定する場合は10秒までです。編集した動画は、元のクリップの長さ(最大15秒)に合わせます。
Gemini Omni 1.1 Flashと1.2 Flashの違いは何ですか?
1.2ではクリップが10秒から15秒に延び、最大15秒の元動画を編集でき、PoYoでは秒単位で課金されます。Googleが公開した比較グラフでは、参照から動画の総合的な好みで63%を獲得するなど、すべてのカテゴリーで1.1を上回りました。
Gemini Omni 1.2 Flashは4Kに対応していますか?
はい。360p、720p、1080p、4Kを指定できます。1080pと4KはGoogleがアップスケールで生成するため、まず低い解像度で動きと細部を確認しましょう。
Gemini Omni 1.2 Flash APIは無料で使えますか?
APIは従量課金です。GoogleはOmni 1.2 FlashをGemini APIの有料ティアで提供しており、PoYoではクレジットから秒単位で支払います。無料でOmniを試すには、Google VidsやFlowの毎日のクレジットなど、Google自身のアプリでのルートがあります。Gemini Omniは無料で使える?で、すべてのルートを比較しています。
PoYoでGemini Omni 1.2 Flashを試す
Gemini Omni 1.2 Flashのモデルページを開けば、Playgroundでクレジットの見積もりを見ながらプロンプト、フレーム、参照、編集を試し、そのJSONリクエストをコードにコピーできます。パイプラインで4〜10秒の固定ティアを使っている場合は、Gemini Omni 1.1 Flashのモデルページも利用できます。ほかの動画モデルについては、2026年のおすすめAI動画生成ツールをご覧ください。