comparisons

Gemini Omni 1.2 Flash、Kling 4.0 Flash、Veo 3.1を比較

Poyo.ai Team
7 min read
Share:

要点

  • 3つの高速動画モデル、それぞれ異なる強み。 Gemini Omni 1.2 Flashは最も柔軟性が高いモデルです(3〜15秒、360p〜4K、編集)。Kling 4.0 Flashは1本で最も長いクリップ(最大20秒)を作れ、720pで最も多くのアスペクト比に対応します。Veo 3.1は、PoYoで音声付きの完成した8秒クリップを最も安く作れる方法です。
  • Gemini OmniとVeoの比較は、いまや後継の問題です。 Googleは2026年10月22日にGemini APIでVeo 3.1のプレビューモデルの提供を終了し、後継としてgemini-omni-1.2-flashを指定しました。Veo 3.1はGoogle CloudでGAモデルとして引き続き提供されており、PoYoではどちらも利用できます。
  • クリップの長さが大きな決め手になります。 Veo 3.1は1リクエストで4、6、8秒を生成します。Omni 1.2 Flashは3〜15秒、Kling 4.0 Flashは3〜20秒の任意の整数秒を指定できます。
  • PoYoでのクリップ1本あたりの料金: 720pの5秒クリップは、Omni 1.2 Flashで**$0.41**、Kling 4.0 Flashで**$0.47です。音声付きの8秒のVeo 3.1クリップは、固定長のVeo 3.1ページで$0.10**(Lite)または**$0.18**(Fast)、Veo 3.1 Fast Officialで**$0.60**です。
  • PoYoなら1つのキーで3モデルすべてを利用。 同じAPIキー、残高、送信/ステータスのエンドポイントで、ここで紹介するすべてのモデルを動かせます。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。
  • 既存の映像の編集: Omni 1.2 FlashとKling 4.0 Flashは、どちらもテキストの指示で元動画を編集できます。Veo 3.1 Officialは、クリップを1〜7秒延長できます。

Gemini Omni 1.2 Flash、Kling 4.0 Flash、Veo 3.1の概要

Gemini Omni 1.2 FlashKling 4.0 FlashVeo 3.1
開発元GoogleKuaishou(Kling AI)Google
PoYoのモデルIDgemini-omni-1.2-flashkling-4.0-flashveo3.1-lite / -fast / -quality、またはveo3.1-lite-official / -fast-official / -quality-official
クリップの長さ3〜15秒、任意の整数秒(最後のフレームを指定する場合は10秒まで)3〜20秒、任意の整数秒4、6、8秒(Veo 3.1ページ:8秒固定)
解像度360p、720p、1080p、4K720p720p、1080p、4K(ティアによる)
アスペクト比16:9、9:1616:9、9:16、1:1、21:916:9、9:16
テキストから動画対応対応対応
画像から動画最初のフレーム、または最初と最後のフレーム開始フレーム1枚画像1枚、または最初と最後のフレーム
PoYoでの参照入力画像最大10枚 + 動画3本画像最大10枚、動画5本、被写体7つ(合計15)参照画像3枚(FastとQuality、8秒のクリップ)
既存の動画の編集対応、最大15秒対応、3〜20秒、参照動画も使用可Veo 3.1 Officialで延長
PoYoの料金$0.0273/秒(360p)から、720pで$0.0819/秒$0.094/秒、動画入力ありでは課金対象の1秒あたり$0.0638秒の動画1本$0.10から、またはOfficialで$0.018/秒から

3モデルとも同じPoYoのエンドポイントで動くため、1つのAPIキーで並べてテストできます:Gemini Omni 1.2 Flash、Kling 4.0 Flash、Veo 3.1、Veo 3.1 Official。

Gemini OmniとVeo:どのバージョン同士を比べるのか

「Gemini Omni vs Veo」の検索は、GoogleがGemini Omni Flashを初めてリリースしたときに始まりました。上位に表示されるページの多くは、今も初期のプレビューとVeo 3.1を比較しています。その後Googleは、Omniの新しいバージョンを2つリリースし、Veo 3.1の提供場所も変更しました。

モデルGoogleのモデルIDリリース日2026年11月14日時点のステータス
Veo 3.1とVeo 3.1 Fast(プレビュー)veo-3.1-generate-preview、veo-3.1-fast-generate-preview2025年10月15日2026年10月22日にGemini APIでの提供を終了。後継:gemini-omni-1.2-flash
Veo 3.1とVeo 3.1 Fast(GA、Google Cloud)veo-3.1-generate-001、veo-3.1-fast-generate-0012025年11月17日Gemini Enterprise Agent Platformで一般提供。提供終了は2027年5月4日以降
Veo 3.1 Lite(プレビュー)veo-3.1-lite-generate-preview2026年3月31日2026年10月22日にGemini APIでの提供を終了
Gemini Omni Flash(プレビュー)gemini-omni-flash-preview2026年6月30日2026年10月22日に提供を終了
Gemini Omni 1.1 Flashgemini-omni-1.1-flash2026年8月27日2026年12月3日から、リクエストは1.2で処理
Gemini Omni 1.2 Flashgemini-omni-1.2-flash2026年11月5日現行バージョン

この表から、実用上のポイントが2つわかります。

  • Google自身の開発者向けAPIでは、OmniがVeoを引き継いでいます。 Gemini APIを直接使って開発するなら、使うべき動画モデルはOmni 1.2 Flashです。Veo 3.1は、エンタープライズの顧客向けにGoogle Cloudで提供が続いています。
  • 以前の「Omni Flash vs Veo 3.1 Fast」の比較は、プレビュー版についてのものです。 Omni 1.2 Flashはより長いクリップ(1.1の10秒から15秒に)を作れ、15秒のクリップ全体を編集でき、Googleはより高速でコスト効率が高いと説明しています。前のバージョンについて詳しくは、Gemini Omni 1.1 Flashガイドをご覧ください。

この記事では以降、現在呼び出せるモデル、つまりGemini Omni 1.2 Flash、Kling 4.0 Flash、そしてVeo 3.1のLite、Fast、Qualityの各ティアを比較します。

3つのモデルの共通点

  • 3モデルともテキストと画像を受け付けます。 どのモデルも、プロンプトからクリップを作り、開始画像を動かせます。
  • 3モデルとも速度を重視した位置づけです。 KlingはFlashを「卓越したコストパフォーマンスで、大幅に高速な生成」と呼び、GoogleはOmni 1.2 Flashをより高速でコスト効率が高いと説明しています。Veo 3.1 FastはVeoファミリーの速度重視のティアです。生成時間はクリップの長さ、解像度、その時点の負荷によって変わるため、各モデルで自分のプロンプトをいくつか試して時間を計ってみてください。
  • Googleの2つのモデルは、映像と一緒に音を生成します。 Omni 1.2 Flashはネイティブ音声を生成し、Veo 3.1も音を生成します。Veo 3.1 Officialでは、soundフィールドで音声付きか無音のクリップかを選べます。
  • PoYoでは3モデルとも同じ非同期の流れです。 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、コールバックを受け取ります。

仕様の比較:長さ、解像度、アスペクト比、入力

クリップの長さ

最短1リクエストでの最長刻みPoYoでのデフォルト
Gemini Omni 1.2 Flash3秒15秒(最後のフレームを指定する場合は10秒)1秒8秒
Kling 4.0 Flash3秒20秒1秒5秒
Veo 3.1 Official4秒8秒4、6、8秒リクエストごとに選択
Veo 3.18秒8秒固定8秒

12秒、15秒、20秒のショットを1テイクで作るなら、2つのFlashモデルは1回のリクエストで対応できます。Veo 3.1 Officialでは、既存のクリップに1〜7秒を追加するveo3.1-extendで、合計30秒まで長くできます。

Gemini Omni 1.2 Flashの15秒クリップ1本:ミツバチの巣の中を舞台にした4ショット構成のマクロ解説動画。PoYoのモデルページの例より。

解像度と画面構成

  • Gemini Omni 1.2 Flashは360pまたは720pで生成し、Googleが1080pまたは4Kにアップスケールします。そのため、同じモデルの中で360pを安い下書き用、4Kを納品用のティアとして使い分けられます。クリップは16:9または9:16です。
  • Kling 4.0 Flashは、Klingによると8ビットSDRの720pで出力します。1:1と21:9の画面構成にも対応しており、正方形のフィード投稿や超横長のバナーに適しています。開始画像を動かす場合は、その画像がフレームを決めます。
  • Veo 3.1は16:9または9:16、24 FPSで、720p、1080p、4Kに対応しています。PoYoでは、4KはFastとQuality、そして固定長のLiteティアで利用できます。Veo 3.1 Lite Officialは、8秒のクリップで1080pに対応しています。

Veo 3.1 Fast Officialで作った、16:9のテキストから動画の8秒クリップ:ニューヨークの黄色いタクシーの横で行われる街頭インタビュー。PoYoのモデルページの例より。

入力と編集

ワークフローGemini Omni 1.2 FlashKling 4.0 FlashPoYoのVeo 3.1
テキストのプロンプトpromptpromptprompt
開始フレーム画像1枚のimage_urls画像1枚のimage_urls画像1枚(Fast、Quality、Officialのティア)
最初と最後のフレーム画像2枚のimage_urls、10秒まで開始フレーム(終了フレームはKling 4.0で対応)画像2枚
参照画像最大10枚最大10枚3枚(Fast、Quality、8秒のクリップ)
参照動画最大3本、各15秒まで最大5本、入力動画の合計は20秒まで画像による参照
再利用できる被写体参照画像と参照動画最大7つのkling_elements(各2〜4枚の画像、または3〜8秒の動画1本)画像による参照
元動画の編集最大15秒のvideo_url。出力は元の長さに合わせる3〜20秒のvideo_urlに加え、参照画像、最大4本の参照動画、被写体veo3.1-extendで延長

参照の仕組みが最も充実しているのはKling 4.0 Flashです。各入力をプロンプト内で@Image1、@Video1、@Element1のように呼び分け、1つの被写体を多くのクリップで再利用できます。編集が最もシンプルなのはOmni 1.2 Flashで、クリップと変更内容を説明する1文を送るだけで、元のタイミングに合わせて編集されます。Veo 3.1は、フレーム間のトランジションや短い完成ショットを最も手早く作れます。

Kling 4.0 Flashの動画編集:雪の中を跳ねるコーギー(左)を、同じ動きのままブロック状のボクセル風コーギー(右)に作り直した例。PoYoのモデルページの例より。

料金:PoYoでの1秒あたりと1本あたり

以下の料金はすべてPoYoの定価です($1 = 200クレジット)。1つのPoYo APIキーで3モデルすべてを利用でき、サブスクリプション不要の従量課金で、表のとおり1秒単位または1本単位で支払います。

1秒あたりの料金

モデルPoYoの料金
Gemini Omni 1.2 Flash360p $0.0273/秒 · 720p $0.0819/秒 · 1080p $0.1229/秒 · 4K $0.2457/秒
Kling 4.0 Flashテキスト、画像、画像参照のジョブは720pで$0.094/秒 · 動画を入力に使う場合は課金対象の1秒あたり$0.063
Veo 3.1 Official、Lite720pは無音$0.018/秒、音声付き$0.03/秒 · 1080p(8秒のクリップ)は無音$0.03/秒、音声付き$0.048/秒
Veo 3.1 Official、Fast720p/1080pは無音$0.05/秒、音声付き$0.075/秒 · 4Kは無音$0.15/秒、音声付き$0.175/秒
Veo 3.1 Official、Quality720p/1080pは無音$0.12/秒、音声付き$0.24/秒 · 4Kは無音$0.24/秒、音声付き$0.36/秒
Veo 3.1(8秒固定、音声込み)720p/1080pで動画1本あたりLite $0.10 · Fast $0.18 · Quality $1.00。4Kは$0.15 / $0.30 / $2.00

720pでのクリップ1本あたりの料金:Flashモデル

クリップGemini Omni 1.2 FlashKling 4.0 Flash
4秒$0.33$0.38
5秒$0.41$0.47
8秒$0.66$0.75
10秒$0.82$0.94
15秒$1.23$1.41

Kling 4.0 Flashは20秒まで続けられ、その場合は$1.88です。正確な値は、Omni 1.2 Flashの5秒が81.9クレジット($0.4095)、10秒が163.8クレジット($0.819)。Kling 4.0 Flashの5秒が94クレジット($0.47)、10秒が188クレジット($0.94)です。

720pでのクリップ1本あたりの料金:Veo 3.1

クリップVeo 3.1 Official Fast、音声付きVeo 3.1 Official Lite、音声付き
4秒$0.30$0.12
6秒$0.45$0.18
8秒$0.60$0.24

音声付きの8秒のVeo 3.1 Official Fastクリップは120クレジット($0.60)です。固定長のVeo 3.1ページでは、音声付きの8秒クリップがFastで**$0.18**、Liteで**$0.10**です。

計算例

ジョブGemini Omni 1.2 FlashKling 4.0 FlashVeo 3.1
広告テスト: 720pで縦型の8秒バリエーション30本30×0.6552 = $19.6630×0.752 = $22.56Fast、8秒固定:30×0.18 = $5.40
下書きから納品まで: 8秒の下書き10本 + 8秒の4K完成版1本360pの下書き10×0.2184 + 4K 1.9656 = $4.15720pの下書き10本10×0.752 = $7.52(720pが完成版)Lite Officialの下書き10×0.144 + 音声付きQuality Officialの4K 8×0.36 = $4.32

Flashモデルでの編集と参照動画

ジョブGemini Omni 1.2 FlashKling 4.0 Flash
10秒のクリップを編集10×0.0819 = $0.82課金対象10+10 = 20秒 × $0.063 = $1.26
5秒の参照動画1本をガイドにした8秒のクリップ8×0.0819 = $0.66課金対象8+max(5,8) = 16秒 × $0.063 = $1.01

Omni 1.2 Flashは出力の秒数で課金し、参照動画と編集はその料金に含まれています。Kling 4.0 Flashは動画入力がある場合に1秒あたりの料金が下がり、出力の長さに、入力動画の長さと出力の長さのうち大きいほうを加えた秒数で課金します。Klingの課金ルールの詳細は、Kling 4.0 APIガイドをご覧ください。

Kling 4.0 FlashとGemini Omni 1.2 Flashの直接比較

この2つは最も近い組み合わせです。どちらも「Flash」ティアで、テキスト、画像、参照、編集のモードを1つのモデルIDでカバーし、どちらも秒単位で課金します。

  • Kling 4.0 Flashを選ぶ場面: 16〜20秒のクリップ、正方形や超横長の画面構成、被写体として定義した繰り返し登場するキャラクター、動きやカメラの軌道を決める参照動画。参照は15個の枠の中でカウントされ、入力動画は合計で最大20秒まで使えます。
  • Gemini Omni 1.2 Flashを選ぶ場面: 解像度の幅(360pの下書きから4Kの納品まで)、最初と最後のフレームを使ったトランジション、プロンプトだけのシンプルな編集、そして動画入力が秒単位の料金に収まる、参照を多用するジョブ。
  • 720pでの料金は、 テキストと画像のジョブでOmni 1.2 Flashが1秒あたり約13%安く($0.0819対$0.094)、参照動画や編集を使うとさらに安くなります。

Klingファミリーの中で選ぶ場合は、解像度、クリップの長さ、フレーム制御の違いを解説したKling 4.0とFlashの比較をご覧ください。Flashのリクエストフィールドを一通り知りたい場合は、Kling 4.0 Flash APIガイドをご覧ください。

Seedance 2.5の位置づけ

「Gemini Omni vs Seedance」もよく検索されます。ByteDanceのSeedance 2.5は別のティアに位置するモデルで、480p、720p、1080pで4〜30秒の、参照を多用する長めの本番用クリップを対象としています。画像、動画、音声の参照を最大50個使え、同期した音声も任意で付けられます。PoYoでは、テキストまたは画像から作る720pの5秒のSeedance 2.5クリップが$1.575(1秒あたり63クレジット)で、Omni 1.2 Flashの約4倍です。複雑なシーンの最終カットにはSeedance 2.5を使い、大量の下書きにはFlashモデルを使いましょう。映像を並べて比べたい場合は、Kling 4.0とSeedance 2.5の比較をご覧ください。

どれを選ぶべきか

ジョブ最初に使うモデル理由
音声付きの完成した8秒クリップを最安でテキストのプロンプトならVeo 3.1 Lite(veo3.1-lite)、画像を使うならVeo 3.1 Fast(veo3.1-fast)720pまたは1080pで動画1本$0.10または$0.18
1秒あたり最安の無音のBロールsound: falseのVeo 3.1 Lite Official720pで$0.018/秒
8秒より長いクリップを1テイクでGemini Omni 1.2 Flash(最大15秒)またはKling 4.0 Flash(最大20秒)1回のリクエストでショット全体をカバー
正方形の投稿や21:9のバナーKling 4.0 Flash1:1と21:9の画面構成に対応
安い下書きから、同じモデルで4K納品までGemini Omni 1.2 Flash360pは$0.0273/秒、4Kは$0.2457/秒
シリーズ全体で繰り返し登場するキャラクターや商品Kling 4.0 Flash再利用できる被写体最大7つ、参照15個
既存のクリップのスタイルや舞台を変えるGemini Omni 1.2 Flash最大15秒を編集、元の長さで課金
クリップを編集して、新しいキャラクターや動きを加えるKling 4.0 Flash編集でも参照動画と被写体を使える
計画した始まりから終わりへのトランジションGemini Omni 1.2 FlashまたはVeo 3.1どちらも最初と最後のフレームを指定できる
メインショット向けに最も高いVeoの忠実度Veo 3.1 QualityOfficialティアで音声付きの4K

実用的なルーティングの例:コンセプトの下書きは360pのOmni 1.2 FlashかVeo 3.1 Fastで作り、承認されたアイデアを納品形式に合ったモデルに移して、採用したクリップあたりのコストを記録します。

PoYoで3つのモデルを実行する方法

PoYoなら、1つのAPIキーと1つのリクエスト形式で3モデルすべてを使え、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。どのモデルも同じ送信とステータスのエンドポイントを使います。次のリクエストは、720pでGemini Omni 1.2 Flashを実行します。

curl 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",
    "input": {
      "prompt": "A barista slides a latte across a sunlit counter. Slow push-in, warm morning light, soft cafe ambience.",
      "duration": 10,
      "aspect_ratio": "9:16",
      "resolution": "720p"
    }
  }'

同じボディはKling 4.0 Flashでも使えます。"model"を"kling-4.0-flash"に変えるだけです。どちらもduration 10、aspect_ratio 9:16、resolution 720pを受け付けます。

Veo 3.1 Officialでは、ティア、4・6・8秒の長さ、soundの設定を選びます。

curl https://api.poyo.ai/api/generate/submit \
  -H "Authorization: Bearer $POYO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "veo3.1-fast-official",
    "input": {
      "prompt": "A barista slides a latte across a sunlit counter. Slow push-in, warm morning light, soft cafe ambience.",
      "duration": 8,
      "aspect_ratio": "9:16",
      "resolution": "720p",
      "sound": true
    }
  }'

送信するたびにdata.task_idが返ります。進捗は次のコマンドで確認します。

curl https://api.poyo.ai/api/generate/status/YOUR_TASK_ID \
  -H "Authorization: Bearer $POYO_API_KEY"

ステータスはnot_started、runningと進み、finishedまたはfailedになります。finishedになると、動画のURLはdata.files[].file_urlに入っています。トップレベルにcallback_urlを追加すれば、動画の準備ができたときにWebhookで受け取ることもできます。各モデルページには、クレジットの見積もりを表示するPlaygroundと、コードにコピーできるJSONビューがあります。

よくある質問

Gemini OmniはVeoより優れていますか?

それぞれ目指す仕事が異なります。Gemini Omni 1.2 Flashはより柔軟なモデルで、3〜15秒のクリップ、360p〜4K、複数の参照、プロンプトによる編集に対応しています。Veo 3.1は4〜8秒の短いショットを作り、より忠実度の高い出力のためのQualityティアがあります。Googleは現在、Gemini APIでOmni 1.2 FlashをVeo 3.1の後継として提供しており、Veo 3.1はGoogle CloudでGAモデルとして提供が続いています。

Gemini Omni FlashはVeo 3.1に置き換わるのですか?

Gemini APIでは、はい。Googleは2026年10月22日にveo-3.1-generate-preview、veo-3.1-fast-generate-preview、veo-3.1-lite-generate-previewの提供を終了し、後継としてgemini-omni-1.2-flashを挙げています。GAモデルのveo-3.1-generate-001とveo-3.1-fast-generate-001はGemini Enterprise Agent Platformで提供が続き、少なくとも2027年5月4日まで利用できる予定です。PoYoでは、Veo 3.1の両ページを引き続き利用できます。

Gemini Omni FlashとVeo 3.1 Fast、どちらが安いですか?

クリップの長さによります。PoYoで720p・音声付きの8秒クリップなら、Veo 3.1 Fastは固定長のVeo 3.1ページで$0.18、Veo 3.1 Officialで$0.60で、Omni 1.2 Flashは$0.66です。短いクリップや360pの下書きなら、Omni 1.2 Flashのほうが安くなることがあり、5秒・360pの下書きは$0.14です。8秒より長いクリップなら、Omniは1回のリクエストで作れます。

各モデルの動画はどのくらいの長さにできますか?

Gemini Omni 1.2 Flashは3〜15秒(最初と最後のフレームを指定する場合は10秒まで)。Kling 4.0 Flashは3〜20秒。Veo 3.1は1リクエストで4、6、8秒で、Veo 3.1 Officialでは延長により合計30秒まで長くできます。

4Kに対応している高速動画モデルはどれですか?

Gemini Omni 1.2 Flash(アップスケールによる4K、PoYoで$0.2457/秒)とVeo 3.1(FastとQuality、そして固定長のLiteティアで4K)です。Kling 4.0 Flashは720pで出力します。Klingファミリーで1080pを使うなら、Kling 4.0を利用しましょう。

Gemini OmniとKling、キャラクターの一貫性ではどちらが優れていますか?

Kling 4.0 Flashのほうが、より構造的に管理できます。2〜4枚の画像または短い動画で定義する再利用可能な被写体を最大7つ使え、さらに1リクエストで最大10枚の参照画像と5本の参照動画を指定できます。Omni 1.2 Flashは最大10枚の参照画像と3本の参照動画を受け付け、キャラクターの差し替えは編集で行います。同じキャストで続けるシリーズ作品なら、Kling 4.0 Flashから始めましょう。

Gemini Omniは無料で使えますか?

Googleは、GoogleアカウントまたはWorkspaceのサブスクリプションがあれば、Google Vidsで15秒のOmniクリップを追加料金なしで提供しており、Google AI Ultraの加入者にはGeminiアプリでも提供しています。API経由なら、PoYoではOmni 1.2 Flashを360pで1秒あたり$0.0273から、サブスクリプション不要の従量課金クレジットで利用でき、Playgroundでは実行のたびに事前にクレジットの見積もりが表示されます。

1つのAPIキーで3つのモデルすべてを使えますか?

はい。PoYoでは、Gemini Omni 1.2 Flash、Kling 4.0 Flash、Veo 3.1のすべてのティアが、1つのAPIキー、1つの残高、同じ送信とステータスのエンドポイントを共有しています。OmniとKlingはテキストのプロンプトなら同じリクエストボディを受け付けるので、modelフィールドを変えるだけで切り替えられます。

Share: