Gemini Omni 1.2 Flashとは？主な特徴と使い方を解説

クイック回答: Gemini Omni 1.2 Flash は、Google が2026年11月5日にリリースした一般提供中の動画生成・編集モデルです。ネイティブ音声付きで3〜15秒のクリップを生成でき、720p では約 $0.07/秒、Interactions API 上でモデル ID gemini-omni-1.2-flash として動作します。2026年12月3日以降、1.1 へのリクエストはこのモデルにルーティングされるようになります。

すでに動画を本番運用しているなら、最後の日付こそがこのリリースを重要にする理由です。1.1 のコードは引き続き動作しますが、1か月以内に別のモデルが応答することになります。

このファミリーに初めて触れる方は、まず Gemini Omni とはをご覧ください。1.1 のリリース詳細については、Omni 1.1 Flash の記事を参照してください。本ガイドは、今まさに開発を進めている方にとって 1.2 が何を意味するかを解説します。

Gemini Omni 1.2 Flash のできること

Gemini Omni 1.2 Flash はテキスト・画像・動画を入力として受け取り、音声付きの動画を返します。新しいクリップの生成、複数ターンにわたるクリップ編集、そして延長を、すべて 1 つの API で実行できます。長さは 1 秒単位で指定し、解像度はリクエストごとに設定します。

公式発表では、知っておくべき 5 つの機能が挙げられています:

参照画像への忠実さ。 キャラクター・商品・スタイルの画像により、顔・衣装・パッケージ・ブランドカラーが様々なアングル間で一貫して保たれます。最大 6 枚の参照画像を利用でき、キャラクターごとに最大 3 枚、最大 2 体まで対応します。
一貫性。 Google によれば、キャラクター・オブジェクト・シーンが最初のフレームから最後までより安定し、先頭・末尾キーフレームの補間も含まれます。
マルチターン編集。 フォローアップのターンで商品の差し替え、天気の変更、アスペクト比の変更が可能で、最初からやり直す必要はありません。
音声。 より自然な会話、明瞭なリップシンク、複数話者の明確な区別を Google は謳っています。
カメラコントロール。 不要なジャンプカットを減らした FPV フライスルーやオービット撮影に対応。

上記の品質に関する主張は Google 自身によるものです。ベンチマークは公表されていないため、結果としてではなく、検証すべき理由として受け取ってください。

Gemini Omni 1.1 Flash からの変更点

コードに影響するのは 3 点です: クリップ長、価格、プロンプト構文です。両モデルとも Interactions API 上で動作するため、移行はモデル文字列の変更と再テストだけで済みます。

	Omni 1.1 Flash	Omni 1.2 Flash
ステータス	前世代	一般提供中
モデル ID	`gemini-omni-1.1-flash`	`gemini-omni-1.2-flash`
1 クリップの最長	10 秒	15 秒
動画出力価格	100 万トークンあたり $17.50	100 万トークンあたり $12.00
720p の 1 秒あたりコスト	約 $0.10	約 $0.07
入力価格	100 万トークンあたり $1.50	100 万トークンあたり $1.50
延長時の参照画像	非対応	最大 2 枚(Agent Platform 上)
Gemini API 無料枠	なし	なし

15 秒までの引き上げには例外があります。先頭・末尾フレーム補間は引き続き 3〜10 秒で、それ以上を指定すると無効な引数エラーが返されます。参照動画も制限されます: 3〜10 秒の出力には最大 3 クリップ、11〜15 秒の出力には 1 クリップのみ。各クリップは最長 3 秒です。つまり、15 秒まで対応する単一の長さスライダーがあると、キーフレームモードが壊れる可能性があります。

ドキュメントでは、プロンプト内の <FIRST_FRAME> や <IMAGE_REF_0> といったコントロールタグの使用も警告されています。Google はこれらを非推奨とし、将来のモデルではサポートしないとしています。代わりに、各入力の役割を平易な言葉で記述してください。

Gemini Omni 1.2 Flash の解像度別料金

Omni は出力トークン単位で課金され、Google の料金ページがそれを秒あたりのレートに換算しています。720p の 1 秒は 5,792 トークンです。これらは出力コストのみで、入力トークンが少額上乗せされます。

解像度	1 秒あたり	5 秒クリップ	15 秒クリップ
360p	$0.023	$0.12	$0.35
720p	約 $0.07	約 $0.35	約 $1.04
1080p(アップサンプリング)	$0.104	$0.52	$1.56
4K(アップサンプリング)	$0.209	$1.05	$3.14

Google が推奨するワークフローは、360p か 720p でドラフトを作成し、再生成ではなくフォローアップ編集で問題を修正し、最後に 1080p や 4K に移行するというものです。数字もそれを裏付けています。360p での 15 秒ドラフト 9 本は、4K の 15 秒レンダリング 1 本とほぼ同じコストです。

360p でドラフトしたクリップをフォローアップ編集し、720p で確認して 1080p か 4K で仕上げる 4 ステップのフロー。各ステップの秒あたり価格も併記

予算に関して 2 つの注意点があります。このモデルには Batch 料金が記載されていないこと。そして、有料のアップスケールを実際に試していないため、完成したドラフトが 1080p や 4K でどのように課金されるかは、計画に組み込む前に必ず確認してください。トークン計算の詳細については、Omni 1.1 の料金解説を参照し、レートを $12.00 に置き換えてください。

Gemini Omni 1.2 Flash を呼び出せる場所

モデルには 2 つの API と 4 つの Google アプリからアクセスできます。開発者向けのルートは以下の通りです:

Gemini API。 Google AI Studio で取得した API キーを使い、POST https://generativelanguage.googleapis.com/v1beta/interactions を呼び出します。
Vertex AI Studio と Gemini Enterprise Agent Platform。 Google Cloud プロジェクトとアクセストークンを使い、グローバルな interactions エンドポイントを利用します。リクエストの形式は Google の延長に関するドキュメントに示されています。

アプリ経由ならコードは不要です:

Flow: マルチターンのシーン編集。
Google Vids: Google アカウントまたは Workspace サブスクリプションで追加費用なしの 15 秒クリップ。
Gemini アプリ: 15 秒動画。Google AI Ultra 購読者に順次展開中。
Google Ads: 動画キャンペーン。

Gemini API の最小限の呼び出しは次のようになります:

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-omni-1.2-flash",
    "input": "A marble rolling fast along a chain reaction track, one smooth shot.",
    "response_format": {
      "type": "video",
      "duration": "3s",
      "resolution": "360p",
      "delivery": "uri"
    }
  }'

レスポンスは id、status、steps 配列を持つインタラクションオブジェクトです。動画は model_output ステップに video/mp4 として格納されます。デフォルトでは base64 で data に返されます。4MB を超えるものには "delivery": "uri" を設定し、Files API をポーリングしてファイルが ACTIVE になるまで待ちます。注意点: 後からインタラクションに対して GET を実行すると、URI を要求していてもインラインの base64 が返されるため、作成レスポンスから URI を保存しておく必要があります。Omni のドキュメントには Python、JavaScript、Java、Go、REST のサンプルがあり、Omni 1.1 API ガイドでも同じリクエストフローを解説しています。

クリップを編集するには、新しいプロンプトとともに previous_interaction_id を渡します。編集する予定のクリップでは store を false に設定しないでください。以降のターンがブロックされます。チェーン方法については延長ガイドを参照してください。プロバイダー選びで迷っているなら、Omni 1.2 Flash か Veo かもお読みください。

12月3日のリルーティングがアプリに与える影響

2026年12月3日以降、Google は gemini-omni-1.1-flash へのすべてのリクエストを gemini-omni-1.2-flash にルーティングし、1.2 のレートで課金します。エラーは一切発生しません。720p の 1 秒あたりコストは約 30% 下がり、別のモデルが既存のプロンプトに応答するようになります。

2026年12月3日を示したタイムライン:それ以前は gemini-omni-1.1-flash の文字列が 1.1 上で 720p 約 $0.10/秒で動作し、以降は同じ文字列が 1.2 にルーティングされ約 $0.07 になる

リスクは「サイレントな変更」です。そのため、自分のスケジュールで移行してください:

今すぐモデル文字列を切り替える。 Google のスケジュールに任せず、自分でテスト日を決めましょう。
保存済みプロンプトを再実行する。 クリップを並べて比較し、特に音声やブランドアセットを含むものを確認します。
コスト見積もりを更新する。 ハードコードされた 1 秒あたり $0.10 は切り替え後には不正確になります。
モードごとに長さの上限を設ける。 通常生成には 15 秒、キーフレームには 10 秒を許可しましょう。
コントロールタグを置き換える。 <IMAGE_REF_0> 形式のタグが残っているプロンプトは書き直してください。
長いクリップには URI 配信を使う。 15 秒の出力は 4MB のインライン制限を超えやすくなります。

この通知は Gemini API の料金ページに記載されています。Agent Platform 経由で呼び出している場合は、そちらのモデルページで独自のスケジュールを確認してください。

Gemini Omni 1.2 Flash が依然として苦手なこと

Google が挙げる 3 つの弱点は、激しいスポーツアクション、素早い台詞の変化、複雑な物理挙動です。製品がこれらに依存している場合は、まずそのプロンプトからテストしてください。

ドキュメントにはハードな制限も記載されています:

プロンプトコントロールなし。 システム指示、temperature、top_p、停止シーケンス、ネガティブプロンプトフィールドは非対応です。除外条件はプロンプト内に記述してください。
地域ブロック。 アップロードした動画の編集・延長は、EEA、スイス、英国では利用できません。
末尾追加のみ。 延長はクリップの末尾に追加するもので、先頭への追加や中間部分の変更はできません。
言語。 英語のみ完全サポート。その他の言語は未検証とされています。
プロビナンス。 すべての出力には知覚できない SynthID 透かしが埋め込まれます。

さらに、Google 自身のページ間で 3 か所食い違いがあるため、実際にリリースするサーフェスでテストしてください:

延長後の長さ。 Gemini API のドキュメントでは合計 30 秒。Agent Platform のドキュメントでは最大 40 秒。
音声。 発表では音声キューが参照入力として言及されていますが、Gemini API のドキュメントでは音声入力は非対応と記載されています。
Provisioned Throughput。 発表ではエンタープライズ顧客向けに利用可能とされていますが、Gemini API のドキュメントでは非対応と記載されており、エンタープライズ側でのみ期待すべきです。

Apidog CLI でコーディングエージェントにテストさせよう

リルーティングのような変更は、コントラクトテストで検知すべきものです。コーディングエージェントが Interactions API に対してそのテストを書き、ターミナルから実行し、あなたは結果をレビューする、という流れが作れます。Apidog CLI を一度セットアップしましょう:

npm install -g apidog-cli@latest
apidog auth login --with-token <YOUR_TOKEN>
apidog skill install

あとは Claude Code、Codex、Cursor に 1 つのプロンプトを渡すだけです:

In Apidog project <id>, create an endpoint for POST /v1beta/interactions on
generativelanguage.googleapis.com, sending x-goog-api-key from {{GEMINI_API_KEY}}.
Add a test case that requests gemini-omni-1.2-flash at 3s, 360p, delivery uri.
Assert HTTP 200, object is "interaction", status is "completed", and steps holds
a model_output entry of type video with mime_type video/mp4 and a uri.
Run it and summarize any failures.

エージェントは各スキーマを読み、ペイロードを検証し、テストケースを書いて実行します:

apidog cli-schema get endpoint-create
apidog cli-schema validate endpoint-create --file omni.json
apidog endpoint create --project <id> --file omni.json
apidog test-case category --project <id>
apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project <id> --file case.json
apidog run --test-case <caseId> --project <id> -e <envId> \
  --env-var "GEMINI_API_KEY=$GEMINI_API_KEY" \
  --timeout-request 300000 -r cli,json

実行のたびに実際の動画が課金され、このフィクスチャは約 $0.07 かかるため、コミットごとではなく夜間スケジュールに組み込みましょう。リルーティングをカバーするには、1.1 のモデル文字列でテストケースを複製し、12月3日までに両方を実行するようエージェントに依頼します。同じ apidog run の行は -r junit を付ければパイプラインに組み込めます(Apidog CLI CI/CD ガイド参照)。エージェントのセットアップについては Claude Code での Apidog CLI をご覧ください。Apidog Free は最大 4 ユーザーまで利用できます。

FAQ

Gemini Omni 1.2 Flash は無料ですか? API 経由では無料ではありません。Google は Gemini API の無料枠を入出力とも「利用不可」と記載しています。Google Vids では、Google アカウントまたは Workspace サブスクリプションで 15 秒クリップを追加費用なしで利用できます。

モデル ID は? gemini-omni-1.2-flash です。generateContent ではなく Interactions API 上で動作します。

Gemini Omni 1.2 Flash の動画はどれくらい長くできますか? 1 クリップは 1 秒刻みで 3〜15 秒(デフォルトは 10 秒)です。延長では 1 ターンあたり 3〜10 秒追加できます。延長後の最大長は、Gemini API のドキュメントでは 30 秒、Agent Platform のドキュメントでは最大 40 秒です。

12月3日に Omni 1.1 のコードはどうなりますか? 引き続き動作します。gemini-omni-1.1-flash へのリクエストは gemini-omni-1.2-flash にルーティングされ、1.2 のレートで課金されるため、それまでにプロンプトを再テストしてください。

Gemini Omni 1.2 Flash は音声を生成しますか? はい、クリップにはネイティブ音声が付きます。Gemini API では音声ファイルを入力としてアップロードできず、参照動画内の音声は無視されます。

1.2 対 1.1 のベンチマークはありますか? いいえ。Google は公表していないため、12月3日までに自分のプロンプトを両方で実行して比較してください。