Gemini Omni 1.2 Flash 動画生成チュートリアル:3段階の解像度と秒単位のコスト、公式要件、接続前の5つの確認事項

要旨:Gemini Omni 1.2 Flash は3~15秒の動画をネイティブ音声付きで生成できます。Google 公式経由では有料プランとサポート対象地域が必要です。公開価格で換算すると、720p は毎秒約 $0.07、10 秒で約 $0.70 です。

結論を先に:Gemini Omni 1.2 Flash は Google が 2026 年 11 月 5 日にリリースした動画モデルで、3~15 秒の長さ、360p から 4K の解像度、最大 6 枚の参照画像に対応し、ネイティブ音声を直接出力します。Gemini API には無料枠がなく、呼び出す前に課金設定済みの有料プロジェクトが必要で、地域も Google AI Studio と Gemini API のサポートリスト内にある必要があります。動画出力を 100 万トークンあたり $12.00 で計算すると、360p は毎秒約 $0.023、720p は毎秒約 $0.07、4K 超解像は毎秒約 $0.21 です。多くの試用シーンでは、8 秒の 720p 動画が約 $0.56 で、1 回あたりの試行錯誤コストは低めです。本当のハードルはアカウント、課金、地域にあります。

以下ではまず用語表で基礎概念を整理し、続いてモデル能力と公式のハードルを分解します。次に異なる解像度・長さの組み合わせのコスト対照表と見積もり方法を示し、その後「作成、ポーリング、ダウンロード」という非同期動画タスクの呼び出し形態を説明し、最後に接続前に項目ごとに確認すべき事項を列挙します。これらを読めば、このモデルを自分のアプリケーションやコンテンツ制作フローに組み入れる価値があるか判断できます。

gemini-omni-1-2-flash-video-generation-cost-guide-ja-image-0

To Know:Gemini Omni 1.2 Flash 関連用語

用語 説明
Gemini API Google が開発者向けに提供するモデル呼び出しインターフェース。トークン単位で課金
Google AI Studio Google のウェブベースのデバッグコンソール。APIキーの作成、モデルの試用が可能
有料プラン(Paid Tier) Cloud 課金アカウントを紐付けた後でないと使えない課金レベル。無料プランに対するもの
Cloud 課金 Google Cloud の課金アカウント。通常はクレジットカードの紐付けが必要
token モデルの計量単位。動画出力も解像度と長さでトークンに換算される
ネイティブ音声 モデルが映像生成時に同期して音声を生成する。追加の吹き替え工程が不要
参照画像 生成時に提供する画像。人物、物体、スタイルの一貫性を制約するために使う
テキストから動画生成 / 画像から動画生成 それぞれテキストプロンプト、画像+プロンプトを入力として動画を生成
4K 超解像 まず低解像度で生成してから 4K に拡大する処理方式。課金は 4K 枠で計算
非同期タスク リクエスト送信後にまずタスク ID を受け取り、バックグラウンド生成完了後に結果を取得
ポーリング 一定間隔でタスク状態を問い合わせ、完了または失敗まで待つ
Interactions API Google 独自のインターフェースで、動画の対話的編集、続き生成などの機能を提供
OpenAI 互換インターフェース サードパーティプラットフォームが OpenAI SDK のリクエスト形式でラップしたインターフェース。コードの再利用が容易

1 Gemini Omni 1.2 Flash の核心ポイント:何ができるか

1.1 Gemini Omni 1.2 Flash の能力範囲

下表は現在公開されている資料にある核心パラメータをまとめたものです。これらのパラメータはサードパーティプラットフォームが Google の発表情報を整理したもので、正式に接続する前に Google 公式の発表ページでもう一度確認すべきです。

項目 パラメータ 開発者にとっての意味
公開日 2026年11月5日 新しいモデルであり、価格と可用性は今後調整される可能性があります
動画の長さ 3~15秒 ショート動画の素材、広告カット、製品デモに適しています。長尺動画は連結が必要です
解像度 360p から 4K(4K はアップスケール) プレビューには低解像度を使い、完成品には高解像度を使うことでコストを抑えられます
参照画像 最大6枚 キャラクターの外観、商品の細部、映像のスタイルを固定できます
音声 ネイティブ音声 環境音や効果音を映像と同期して生成し、ポストプロセスの工程を削減できます
無料枠 なし 呼び出すには有料プロジェクトの有効化が必須です

1.2 Gemini Omni 1.2 Flash の機能の提供元:Google 独自インターフェースだけが提供する機能

テキストから動画生成と画像から動画生成は最も基本的な2つのモードで、サードパーティの OpenAI 互換プラットフォームも通常は対応しています。対話型編集(前の動画をもとに自然言語で変更を続ける)と動画の続き生成は、Google Interactions API の機能です。

この区分はモデル選定に大きく影響します。生成後にユーザーが一言でカットを修正できるようにしたい場合は、Google 独自インターフェースを直接使う必要があります。独立した短いクリップをバッチ生成するだけであれば、タスク型インターフェースで十分です。

gemini-omni-1-2-flash-video-generation-cost-guide-ja-image-1

2 Gemini Omni 1.2 Flash の公式要件:Google 経由で満たすべき条件

2.1 有料枠と Cloud の請求

Google の料金ページでは、Gemini Omni 1.2 Flash の無料枠が「Not available」と表示されています。呼び出す前に、請求を有効化した Gemini API プロジェクト、すなわち Google Cloud の請求を有効にしてクレジットカードを紐付けたプロジェクトが必要です。

中国国内の開発者にとって、このステップの実際のハードルは通常、利用可能な海外決済手段と Google アカウントです。チームで利用する場合は、誰が請求アカウントを保有するか、予算アラートをどう設定するかを事前に決めておき、テストスクリプトのループ呼び出しで予期しない請求が発生しないようにしましょう。

2.2 地域制限とエラーの識別

Google AI Studio と Gemini API は対応地域でのみ利用できます。対応リストに含まれない地域では、AI Studio を開けず、API 呼び出しは「User location is not supported for the API use」を返します。

このエラーが発生した場合、問題はリクエストの送信元地域にあります。APIキーを替えたりパラメータを変更したりしても解決できません。Google の対応地域リストは動的に更新されるため、接続前に公式ドキュメントの最新リストを確認してください。

2.3 Gemini Omni 1.2 Flash の公式情報とサードパーティの説明を区別する

すでに一部のサードパーティプラットフォームがこのモデルの接続を発表しており、その紹介には Google の公式情報とプラットフォーム自身のサービス説明が混在しています。下表では2種類の情報を分けて示し、どれをそのまま引用できるか、どれをプラットフォームに確認すべきかを判断しやすくします。

情報 区分 説明
公開日、長さ、解像度、参照画像の枚数、ネイティブ音声 Google 公式情報(第三者による伝聞) Google の発表ページを基準とする
無料枠なし、有料項目 Google 公式価格ページ Gemini API の価格ページを基準とする
100万トークンあたりの価格、1秒あたりのトークン換算 Google 公式価格ページ Gemini API の価格ページを基準とする
対話形式の編集、続きの生成は Interactions API に帰属 Google 独自のインターフェース機能 Google のドキュメントを基準とする
モデル ID gemini-omni-1.2-flash サードパーティプラットフォームの自己申告 プラットフォームごとに名称が異なる場合があるため、個別に確認が必要
/v1/videos タスクインターフェース、seconds / size パラメータ サードパーティプラットフォームの自己申告 OpenAI 互換のラッパーであり、Google ネイティブの形式ではない
チャージ方法、最低チャージ額、残高不足時に 402 を返す サードパーティプラットフォームの自己申告 当該プラットフォームにのみ適用される
「公開済み / 近日公開」 サードパーティプラットフォームの自己申告 当該プラットフォームの記事公開時点では未公開であり、リアルタイムでの確認が必要

3 Gemini Omni 1.2 Flash のコスト試算:秒単位・カット単位での換算

3.1 公式の料金体系

Gemini API ではこのモデルをトークン単位で課金し、100万トークンあたりの価格は次のとおりです。入力 $1.50、動画出力 $12.00、テキスト出力 $9.00。動画出力のトークンは、解像度と秒数によって換算されます。

  • 360p:1秒あたり 1,931 トークン、およそ 1秒あたり $0.023
  • 720p:1秒あたり 5,792 トークン、およそ 1秒あたり $0.07
  • 超解像 4K:1秒あたり 17,376 トークン、およそ 1秒あたり $0.209

換算式はとてもシンプルです。1本の動画出力のコスト = 1秒あたりのトークン数 × 秒数 × $12 ÷ 1,000,000。たとえば 720p・10秒の場合、5,792 × 10 × 12 ÷ 1,000,000 ≈ $0.695 となります。

3.2 Gemini Omni 1.2 Flash 解像度 × 長さ別のコスト比較表

以下の表は公式の動画出力単価で計算したもので、動画出力の部分のみを含み、小数点以下第4位を四捨五入しています。

長さ 360p(1,931 トークン/秒) 720p(5,792 トークン/秒) 超解像 4K(17,376 トークン/秒)
3秒 $0.070 $0.209 $0.626
5秒 $0.116 $0.348 $1.043
8秒 $0.185 $0.556 $1.668
10秒 $0.232 $0.695 $2.085
15秒 $0.348 $1.043 $3.128

同じ長さであれば、4K は 720p の約3倍、360p の約9倍のコストになることがわかります。公開資料には 1080p のトークン換算値が示されていないため、この解像度が必要な場合は公式価格ページを確認してください。

gemini-omni-1-2-flash-video-generation-cost-guide-ja-image-2

3.3 試算時に見落としがちな3つのコスト

上記の表は動画出力のみを対象としています。実際の請求額では、さらに次の要素を考慮する必要があります。

  1. 入力トークン:プロンプトと参照画像は100万トークンあたり$1.50で課金されます。最大6枚の参照画像のトークン数は公式の画像換算ルールに依存し、公開資料には具体的な数値が示されていません。
  2. リトライコスト:生成結果に満足できない場合は再実行が必要になるため、予算は「1本あたりのコスト × 平均試行回数」で計算してください。現時点では失敗率や採用率の公開データがないため、まず小規模なバッチタスクで実測することをおすすめします。
  3. 解像度戦略:まず360pでプロンプトとカメラワークを調整し、確定した後に720pまたは4Kで出力すると、試行錯誤のコストを大幅に抑えられます。8秒のクリップを360pで5回試すと約$0.93で、720pで2回実行するコストに近い金額になります。

4 Gemini Omni 1.2 Flash クイックスタート:非同期動画タスクの呼び出しフロー

4.1 非同期タスクの3つの段階

動画生成はテキスト補完よりもはるかに時間がかかるため、一般に非同期タスクの形式が採用されています。1回の完全な呼び出しは3つのステップに分かれます。

  1. タスクの作成:モデル、プロンプト、再生時間、解像度などのパラメータを送信すると、APIは直ちにタスクIDと初期状態(例:queued)を返します。
  2. ステータスのポーリング:一定の間隔でタスクを問い合わせます。ステータスはqueued、in_progressを順に経て、最終的にcompletedまたはfailedになります。
  3. 結果のダウンロード:ステータスがcompletedになったら、コンテンツ用のインターフェースから動画ファイルを取得します。

gemini-omni-1-2-flash-video-generation-cost-guide-ja-image-3

4.2 OpenAI互換フォーマットでの呼び出し例

以下のコードはOpenAI SDKのvideosインターフェースを使用しています。パラメータ名は、サードパーティプラットフォームが公開しているOpenAI互換フォーマットに基づいています。base_urlとモデルIDは、実際に利用するサービスが提供する値に置き換えてください。また、そのサービスでGemini Omni 1.2 Flashが利用可能になっていることを事前に確認してください。

import os, time
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["VIDEO_API_KEY"],
    base_url=os.environ["VIDEO_API_BASE_URL"],  # 実際のサービスアドレスに置き換える
)

video = client.videos.create(
    model="gemini-omni-1.2-flash",   # サービス提供元が公開しているモデルIDに従う
    prompt="一只穿着迷你宇航服的猫在空间站里漂浮,背景有轻微的环境音",
    seconds="8",
    size="1280x720",
)

while video.status in ("queued", "in_progress"):
    time.sleep(5)
    video = client.videos.retrieve(video.id)

if video.status == "failed":
    raise RuntimeError(video.error)

client.videos.download_content(video.id).write_to_file("omni.mp4")

SDKを使わない場合、対応するHTTPフローは次のとおりです。POST /v1/videosでタスクを作成し、GET /v1/videos/{id}でステータスをポーリングし、GET /v1/videos/{id}/contentで動画をダウンロードします。画像から動画生成を行う場合は、input_referenceフィールドで参照画像を渡します。一部のサービスではGET /v1/models?type=videoも提供されており、各モデルがサポートする再生時間とサイズを一覧表示できます。

タイムアウト・予算見積もり・エラー処理を含む完全な実装を見る
import os, time
from openai import OpenAI

# 公式の動画出力換算(毎秒トークン)。送信前のコスト見積もりに使用
TOKENS_PER_SECOND = {"640x360": 1931, "1280x720": 5792}
VIDEO_OUTPUT_PRICE_PER_M = 12.00  # 米ドル / 100万トークン

def estimate_cost(size: str, seconds: int) -> float:
    tps = TOKENS_PER_SECOND.get(size)
    if tps is None:
        raise ValueError(f"未登记的分辨率: {size}")
    return tps * seconds * VIDEO_OUTPUT_PRICE_PER_M / 1_000_000

def generate_video(
    prompt: str,
    seconds: int = 8,
    size: str = "1280x720",
    out_path: str = "output.mp4",
    poll_interval: float = 5.0,
    timeout: float = 600.0,
    budget_usd: float = 1.0,
) -> str:
    cost = estimate_cost(size, seconds)
    if cost > budget_usd:
        raise ValueError(f"预估 ${cost:.3f} 超出单段预算 ${budget_usd}")
    print(f"预估视频输出成本: ${cost:.3f}")

    client = OpenAI(
        api_key=os.environ["VIDEO_API_KEY"],
        base_url=os.environ["VIDEO_API_BASE_URL"],
    )

    video = client.videos.create(
        model=os.environ.get("VIDEO_MODEL_ID", "gemini-omni-1.2-flash"),
        prompt=prompt,
        seconds=str(seconds),
        size=size,
    )
    print(f"任务已创建: {video.id}")

    start = time.time()
    while video.status in ("queued", "in_progress"):
        if time.time() - start > timeout:
            raise TimeoutError(f"任务 {video.id} 超时,可稍后用 ID 继续查询")
        time.sleep(poll_interval)
        video = client.videos.retrieve(video.id)
        print(f"状态: {video.status}")

    if video.status == "failed":
        raise RuntimeError(f"生成失败: {video.error}")

    client.videos.download_content(video.id).write_to_file(out_path)
    return out_path

if __name__ == "__main__":
    path = generate_video(
        prompt="清晨的咖啡店,蒸汽从杯口升起,背景有轻柔的人声与杯碟碰撞声",
        seconds=8,
        size="640x360",   # まずは 360p でプロンプトを調整
        budget_usd=0.5,
    )
    print(f"已保存: {path}")

4.3 ポーリングと保存に関する実装のヒント

ポーリング間隔は5秒程度で十分です。頻繁すぎると無効なリクエストが増えてしまいます。本番環境ではタスクIDをデータベースに書き込み、バックグラウンドタスクで一括してポーリングすることをおすすめします。こうしておけば、フロントエンドの再読み込みやプロセスの再起動が起きても、すでに課金済みのタスクを失うことはありません。

ダウンロードした動画は、できるだけ早く自社のオブジェクトストレージへ転送・保存してください。一括生成が必要な場合は、キューで同時実行数を制御し、送信前に estimate_cost のような関数で予算チェックを行い、予算を超えるタスクはその場で弾くのがよいでしょう。

5 Gemini Omni 1.2 Flash を導入する前に確認しておきたいこと

5.1 Gemini Omni 1.2 Flash 導入確認チェックリスト

確認項目 Google公式経由 サードパーティ互換プラットフォーム経由
アカウントと支払い Googleアカウント、Cloudの請求、クレジットカード プラットフォームのアカウントとチャージ方法
地域 お住まいの地域がGoogleのサポート対象リストに含まれていること プラットフォーム自体のサービス提供範囲
モデルの利用可否 料金ページとモデル一覧に掲載されていること プラットフォームのモデル一覧に公開済みで、モデルIDが確認できること
機能範囲 Interactions APIを含む対話形式の編集と継続生成 通常はテキストから動画生成、画像から動画生成のタスク
価格 公式のトークン単価 プラットフォームの表示価格(公式価格と比較)

5.2 小さなサンプルで品質と所要時間を検証する

現時点で公開されている情報には、生成品質・所要時間・失敗率の実測データはありません。そこで、自分の主要なユースケースをカバーするプロンプトを5〜10本用意し、まずは360p・5〜8秒で一通り実行してみることをおすすめします。各プロンプトの所要時間、成功したかどうか、使い勝手を記録してから、高解像度での一括生成の予算を決めるとよいでしょう。このテスト1回分の動画出力コストは$1〜$2程度です。

6 よくある質問(FAQ)

Q1:Gemini Omni 1.2 Flash はどんなモデルですか?

このモデルは、Googleが2026年11月5日に公開した動画生成モデルです。3〜15秒のネイティブ音声付き動画を生成でき、解像度は360pから4Kまで対応、最大6枚の参照画像をサポートします。

Q2:Gemini Omni 1.2 Flashには無料枠がありますか?

Gemini APIの料金ページでは、このモデルの無料枠は「Not available」と表記されており、請求を有効化した有料プロジェクトでのみ呼び出せます。

Q3:Gemini Omni 1.2 Flashで動画を1本生成するのにかかる費用はおよそどのくらいですか?

公式の動画出力料金では、720pは1秒あたり約$0.07です。8秒で約$0.56、10秒で約$0.70、15秒で約$1.04になります。360pはその約3分の1、超解像4Kは約3倍です。プロンプトと参照画像の入力トークンは別途計算されます。

Q4:呼び出し時に「User location is not supported for the API use」と表示された場合はどうすればよいですか?

これは、リクエスト元の地域がGemini APIのサポート対象リストに含まれていないことを示しており、APIキーやパラメータの問題ではありません。サポート対象地域から呼び出すか、このモデルを提供している準拠サービスに切り替える必要があります。

Q5:生成後に会話形式でGemini Omni 1.2 Flashの動画を修正できますか?

対話形式の編集と続き生成はGoogle Interactions APIの機能です。サードパーティ製のOpenAI互換`/v1/videos`インターフェースは通常、テキストから動画生成と画像から動画生成のタスクのみを担当します。複数ターンの編集が必要な場合は、Google独自のインターフェースを使用してください。

Q6:Gemini Omni 1.2 Flashはどのようなシーンに適していますか?

音声と映像の同期が必要な短いクリップに適しています。EC商品の展示カット、ソーシャルメディア向けショート動画素材、アプリ内の動くカバー画像、広告の絵コンテプレビズなどです。参照画像でキャラクターや商品の外観を固定するシーンにも比較的向いています。

Q7:Gemini Omni 1.2 Flashには現在どのような制限がありますか?

1本あたり最長15秒で、長い内容はつなぎ合わせる必要があります。4Kは超解像出力のためコストが高くなります。無料枠はありません。Google公式チャネルは地域制限の対象です。生成品質、所要時間、失敗率について公開された実測データは現時点でないため、小規模なサンプルで自ら検証する必要があります。

7 Gemini Omni 1.2 Flash の重要ポイント Key Takeaways

  • 能力の範囲:3〜15秒、360p〜4K、最大6枚の参照画像、ネイティブ音声
  • 公式利用の条件:無料枠なし。有料のGemini APIプロジェクトとサポート対象地域が必要
  • 秒単位のコスト:360pで約$0.023、720pで約$0.07、超解像4Kで約$0.209
  • よく使う目安:8秒720pで約$0.56、10秒720pで約$0.70
  • 呼び出し形態:非同期タスク。作成、ポーリング、ダウンロードの3ステップで完了
  • 機能の提供元:対話形式の編集と続き生成はGoogle Interactions APIに属する
  • コスト削減のコツ:まず360pでプロンプトを調整し、確認後に高解像度で出力

8 まとめ:Gemini Omni 1.2 Flash は試す価値があるか

Gemini Omni 1.2 Flashは1クリップあたりのコストが安心して試行錯誤できる範囲にあり、720pの10秒動画なら1本1ドル未満です。ネイティブ音声により、音声吹き替えの工程も1つ省けます。中国国内の開発者にとって主なハードルは、Googleの有料プランの請求設定と地域制限、そして対話形式の編集がGoogle独自のインターフェースでのみ提供されている点です。

推奨される意思決定の流れは次のとおりです。まず、自分が公式の要件を満たせるか、あるいはこのモデルを正式に提供しているサービスを見つけられるかを確認します。次に、本記事のコスト比較表で予算を立てます。最後に 360p の小規模サンプルで品質と所要時間をテストし、数値が基準を満たしたら本番規模へ拡大します。モデルのリリースから間もないため、価格と可用性は変動する可能性があります。接続のたびに Google 公式の価格ページを再確認してください。

参考資料

  1. TeamoRouter ブログ:Gemini Omni 1.2 Flash の使い方:リリース情報と公式価格をサードパーティのプラットフォームが整理したもの、およびそのインターフェースの説明
  2. リンク: teamorouter.com/zh/blogs/use-gemini-omni-1-2-flash-without-google-account
  3. 説明: 本記事の能力パラメータと token 換算データの出典です。プラットフォームのインターフェースやチャージに関する内容は、プラットフォーム自身の説明によるものです

  4. Gemini API 公式価格ページ:Google が公開しているモデルの課金基準

  5. リンク: ai.google.dev/gemini-api/docs/pricing
  6. 説明: 無料枠の状態、100万 token あたりの単価、解像度による換算の確認に使用します

コメントする