グーグル、動画AIの新版を公開　最長15秒の作成に対応し料金は3割値下げ

米グーグル（Google DeepMind）は2026年11月5日、動画生成AIモデル「Gemini Omni 1.2 Flash」の提供を開始した。開発者向けのGemini APIやGoogle Cloudなどを通じて一般提供（GA）される。前バージョンとなる「Gemini Omni 1.1」から生成可能な長さを拡大したほか、利用料金を30％引き下げ、生成の一貫性や編集機能を向上させた。

本モデルでは、ネイティブで最長15秒までの動画生成および編集が可能となった。従来の最長10秒から拡大し、3秒から15秒の間で1秒刻みの長さ指定に対応する。利用料金は720p解像度で1秒あたり0.07ドルに設定され、Gemini Omni 1.1と比べて30％低価格化した。360pや720pで下書きを作成し、対話で細部を調整した後に1080pや4Kへ解像度を引き上げるワークフローを採ることで、制作全体の費用を抑制できるとしている。

機能面では、最初から動画を作り直すことなく変更を重ねられるマルチターン対話編集を導入した。生成済みのクリップに対して指示を出すことで、登場人物の動作や構図を維持したまま背景や照明、天候、アスペクト比を変更できる。また、人物や製品の画像、最大3秒の短いモーション動画、音声指示を組み合わせて生成を制御する機能を強化した。カメラの角度が変わっても顔や衣服、パッケージの文字、ブランドカラーの一貫性を保ち、最初から最後のフレームまでのブレや意図しない変形を抑える。

さらに、自然な会話音声の生成やリップシンク、複数話者の制御機能も向上した。シーン画像と登場人物ごとの短い音声指示をもとに、それぞれのキャラクターに音声を割り当てて自然なタイミングで口の動きを合わせることが可能となった。カメラワークについても、不要なジャンプカットを排除した連続的なドローン視点の飛行やズームアウトの描写に対応する。

Gemini Omni 1.2 Flashは、Gemini APIやGoogle Cloudのほか、「Google Vids」「Gemini for business」「Google Ads」などの各種サービスへ順次展開される。一般ユーザー向けには「Flow」でのシーン指示や対話編集に対応するほか、「Google AI Ultra」加入者向けのGeminiアプリでも利用可能となる。出力される動画には肉眼では見えない電子透かし「SynthID」が付与される。同社は、素早いスポーツの動作や複雑な物理現象の再現に向けて今後も開発を進めるとしている。