Googleが、動画生成モデル「Gemini Omni 1.2 Flash」を公開した。今回の更新でいちばん目立つのは、生成できる動画がネイティブで15秒まで伸びたことと、価格が30%下がったことだ。単に長くなっただけではなく、会話をしながら少しずつ直せる編集や、参照画像への追従性も強くなっている。動画生成を“試作の遊び場”から“業務で回す道具”に近づけたい、というGoogleの意図がかなりはっきり見える発表だと思う。
Googleは2026年11月5日、Gemini Omni 1.2 Flashを発表し、Gemini APIとGemini for business、さらにGoogle Cloud上で一般提供を始めた。記事の説明では、このモデルは「native 15-second video creation」、つまり最初から15秒の動画を生成できるのが大きな特徴だという。前のGemini Omni 1.1では10秒までだったので、単純な延長ではなく、ひとつの短い映像として成立させる余地が広がった形だ。
同時に、編集のやり方も変わっている。新しいモデルでは multi-turn conversational editing に対応し、会話を重ねるように「ここをこう変えて」と指示していける。毎回ゼロから作り直すのではなく、前の結果を踏まえて調整できるため、修正の往復が早くなる。Googleは、これは特にプロフェッショナルな制作で効くと説明している。
価格面の変更も大きい。GoogleはGemini Omni 1.1から30%値下げし、720p動画なら1秒あたり$0.07で使えるとしている。記事では、コストをさらに下げる使い方として、まず360pか720pで素早く下書きを作り、気になる部分だけ再生成ではなく編集で直し、そのあと良いものを1080pや4Kにアップスケールする流れを紹介している。要するに、低解像度で試して高解像度に仕上げる、今どきの制作フローを前提にした設計だ。
機能面では、reference adherence も改善された。これはキャラクター、商品、スタイルの画像、3秒までの短い motion clip、音声の手がかりを組み合わせて生成でき、その参照内容を最後まで保ちやすくするものだ。記事の例では、モデル写真と前後の商品の写真を使い、3着の服について15秒のバーチャル試着映像を作り、360度の回転や match cut を入れながらも、モデルの見た目や服のシルエット、ドレープ、背面の細部、ブランドカラーを一貫して保てるとしている。
Googleはこのほか、character、object、scene の一貫性もより強くなったと述べている。つまり、カットが変わっても人物や物体、背景が急に別物になりにくい。動画生成モデルにありがちな「少し進むと顔つきや服の形が崩れる」問題を、かなり正面から潰しにきた印象だ。
今回の発表で面白いのは、Googleが単に「安くした」とは言わず、作り方そのものを変えようとしている点だと思う。動画生成は、1回あたりの出力品質だけでなく、失敗したときにどれだけ損をするかが重要になる。長い動画を一発で当てるのは難しいし、修正のたびに全部を作り直すなら、安いとは言っても実運用では重い。だからこそ、会話で細かく直せることと、低解像度で下書きしてから上げる発想がセットになっているのは筋がいい。
しかも、15秒という長さは中途半端ではない。短尺広告、商品紹介、SNS向けの説明動画なら、15秒でもかなり多くの用途を飲み込める。10秒だと「見せ切る」には少し窮屈だったが、15秒あると導入、見せ場、締めまでをひと呼吸で入れやすい。もちろん映画的な表現にはまだ足りないが、Googleが狙っているのはそこではないはずだ。量産しやすい業務動画、広告、試作、説明素材のほうだろう。
reference adherence の改善は、見た目以上に重要だ。生成AIの動画は、派手なデモほど「最初はそれっぽいのに、途中で顔や服やロゴが崩れる」という弱点が目立つ。とくにブランド案件では、色、服、包装、文字の形が少しでもズレると使えない。Googleが「faces, garments, packaging typography, and brand colors」と具体的に挙げているのは、その失敗が実務で本当に痛いからだと思う。
この方向性が意味するのは、動画生成が「ゼロから想像する」道具というより、「手元の素材を崩さずに動かす」道具になってきた、ということだ。商品写真、キャラクターシート、短い motion clip を食わせて、そこから広告や試着映像を作る。創作というより再利用に近い。これは制作会社だけでなく、EC、販促、社内説明、営業資料まで広く刺さる可能性がある。一方で、参照への忠実さが上がるほど、著作権や肖像、ブランド利用の管理も厳しく見られるようになるはずだ。便利になればなるほど、誰の素材をどう使ったかの説明責任は重くなる。
私がこの発表でいちばん気になったのは、Googleが動画生成モデルを単体の魔法として売っていないことだ。Gemini API、Google Cloud、Google Vids、Gemini for businessといった既存の道具に乗せ、制作の流れの中に滑り込ませようとしている。これは地味に見えるが、実はかなり強い。生成AIは単発で「すごい」より、既存のワークフローのどこを短縮するかで評価が決まるからだ。
そう考えると、Gemini Omni 1.2 Flashの本当の勝負相手は、動画生成のライバルだけではない。PremiereやAfter Effectsの一部、あるいは制作チームが人力でやっていた修正・試作・差し替えの時間そのものだろう。会話で直せて、安く試せて、長さも少し余裕があるなら、「まずはAIで回してみる」場面は確実に増えると思う。逆に言えば、ここで品質が安定しないと、現場はすぐ戻る。派手なデモより、毎回ちゃんと同じ品質で出るかどうか。そこがこのモデルの評価を決めるはずだ。
15秒という数字は、動画としてはまだ短い。だが、業務用途では短いからこそ回しやすい。長尺の演出を目指すのではなく、短くても伝わる動画を、速く、安く、修正しやすく作る。その方向にGoogleは舵を切ったように見える。しかも、価格を下げながら一貫性を上げるのは簡単ではない。一般には、品質を上げるほどコストも上がりやすいからだ。そこを同時に押し進めたのは素直に印象的だと思う。
ただし、ここで注意したいのは、動画生成が便利になるほど「作れるもの」と「本当に使えるもの」は別だという点だ。15秒のクリップが作れることと、ブランドの要件を満たした最終成果物になることの間には、まだ編集や確認の工程が残るはずだ。Gemini Omni 1.2 Flashは、その間を短くする道具としてはかなり有望だが、完成品を全部置き換える存在ではない。むしろ、制作の前半をAIに寄せることで、人間は最後の判断に集中する。そういう使い方が一番現実的ではないかと思う。
参考: Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips
