Gemini Omni 1.1 Flashの使い方｜旧版との違い・料金・移行手順

Gemini Omni 1.1 Flashとは｜動画の生成と編集を会話で進めるstableモデル

Gemini Omni 1.1 Flashとは、テキスト・画像・動画を入力し、音声付き動画を生成・編集できるGoogleのマルチモーダルモデルです。マルチモーダルとは、異なる種類の情報を一つの処理で扱う仕組みを指します。モデルコードはgemini-omni-1.1-flashです。

Googleは2026年8月27日（米国時間）に1.1を発表し、開発者向けのproduction-readyな更新と説明しました。production-readyは、試験用途に限らず本番利用を想定した状態という意味です。モデルページでも1.1はstable、従来のgemini-omni-flash-previewはpreviewとして区別されています（出典: blog.google、ai.google.dev）。

関連記事：Gemini Omniとは？できること・使い方・料金と無料で使えるかを整理

入力・出力と基本仕様

Gemini Omni 1.1 Flashは、Gemini APIのInteractions APIから利用します。API（Application Programming Interface、外部プログラムから機能を呼び出す接続口）を通じて、動画生成から会話による修正までを同じやり取りの中で続けられます。

入力動画は、編集または延長に使う場合は原則10秒以下です。長い動画を一度に生成するモデルではなく、短い単位で作成・確認し、必要に応じて修正や延長を重ねる設計と捉えると使い方が明確になります。

Gemini Omni 1.1 Flashの仕組みと旧Omni Flash Previewとの違い

1.1の変更点は、画質だけではありません。短い動画を一度生成して終える使い方から、構図を制御し、低解像度で試し、必要な場面だけ延長して仕上げる制作工程へ広がりました。

旧版からの移行では、モデルコードを差し替えるだけで終わらせず、出力解像度と延長処理を明示する必要があります。1.1では機能が増えた一方、対応しない生成パラメータもあるため、既存リクエストをそのまま送ると意図どおりに動かない可能性があります。

シーン延長は一度に40秒を生成する機能ではない

公式ドキュメントが示す40秒は、10秒の動画を一度に40秒へ変える意味ではありません。1回につき10秒ずつ末尾へ追加し、複数回の延長で累計40秒までつなげる機能です。延長時は直前10秒を文脈として参照し、映像・動き・人物・音声の連続性を保とうとします。

延長できるのは末尾です。動画の冒頭へ前置きの場面を足したり、中間へ新しい場面を挿入したりする用途には対応していません。撮影済みの長尺素材を自由に組み替える編集ソフトの代替ではなく、生成した短い場面を段階的につなぐ機能です。

4Kはネイティブ生成ではなくアップスケール

1080pと4Kはアップスケール出力です。最初から4Kの情報量で生成するのではなく、生成結果を高解像度化します。輪郭や質感を整えた納品用データを作りやすくなりますが、細かな文字や複雑な動きの正確さまで保証する機能ではありません。

Google DeepMindのモデルカードでも、編集を重ねたときの完全な一貫性、複雑な動き、正確な文字描画は既知の課題として挙げられています。解像度が上がっても、内容上の破綻が自動で直るわけではありません（出典: deepmind.google）。

Gemini Omni 1.1 Flash APIの使い方

最短の試し方は、Google AI Studioでモデルを選び、短いプロンプトから動画を生成する方法です。組み込み時は、PythonまたはJavaScriptのGoogle Gen AIライブラリからInteractions APIを呼び出します。

Pythonでテキストから動画を生成する

Pythonではfrom google import genaiでライブラリを読み込み、client = genai.Client()でクライアントを作成します。次にclient.interactions.create()へモデルコード、指示文、response_formatを渡します。response_formatにはtype: video、aspect_ratio: 16:9、resolution: 360pのように出力条件を指定します。返された動画データはBase64形式なので、base64.b64decode(interaction.output_video.data)で復号し、draft.mp4へ保存します。Base64は、バイナリデータを文字列として扱う表現方法です。

最初は360pで構図と動きを確かめ、採用する指示が固まってから720p以上へ切り替えると、試行段階の費用を抑えられます。縦長動画を作る場合はaspect_ratioを9:16に変更します。

会話で編集するときは前のinteraction IDを引き継ぐ

生成結果を修正するときは、次のclient.interactions.create()で最初の応答IDをprevious_interaction_id=interaction.idとして渡します。inputには「照明だけを暖色にし、ほかは変えない」のような変更指示を入れます。毎回素材を説明し直すのではなく、直前のやり取りを引き継いで「照明を暗くする」「不要な物を消す」といった変更を伝えられます。

編集指示は短くし、変えない部分を明示するのが公式の推奨です。長い説明を足すほど別の要素まで変わりやすいため、変更対象を一つに絞ります。

AIエージェントの作り方

AIエージェントを「どう作り、どう育てるか」を、GiftX記事制作エージェントの実物で解説。

無料ダウンロード →

Gemini Omni 1.1 Flashの360pドラフトから4Kまでの使い分け

1.1で追加された360pは、完成品を出すための解像度ではなく、試作回数を増やすための入口です。Googleによると、360pは720pに比べて最大60%速く生成でき、費用は約3分の1です。速度はシステムの混雑や尺でも変わるため、60%は常に出る保証値ではありません（2026年8月時点、出典: blog.google）。

企画確認は360pで回す

構図、カメラ移動、人物の動き、音の方向性を確認する段階では360pで十分です。1案を高解像度で作り込むより、指示を変えた複数案を並べたほうが、採用案を早く絞れます。

確認する項目を「構図」「動き」「音」「不要物」のように固定すると、案ごとの差が見やすくなります。評価項目が毎回変わると、生成速度が上がっても判断に時間がかかります。

採用案を720pで再生成する

採用する指示が決まったら、既定の720pで再生成します。この段階では、人物や商品の一貫性、読める文字、音声の自然さを確認します。問題があれば一度に複数箇所を直さず、一つずつ会話編集を重ねます。

1080p・4Kは最終出力に限定する

1080pと4Kは最終候補へ限定します。アップスケールは見た目を整える工程であり、内容の検証を代替しません。低解像度の段階で破綻を残したまま高解像度化しても、修正回数と費用が増えます。

この流れを標準化すると、360pで試作、720pで内容確認、1080pまたは4Kで納品という役割分担ができます。画質ごとの目的を決めておくことが、1.1の追加機能を費用削減へつなげる条件です。

Gemini Omni 1.1 Flashの料金の仕組み

Gemini Omni 1.1 FlashはGemini APIの有料ティアで一般提供され、無料ティアはありません。料金は入力と出力トークンで計算され、720p動画は1秒あたり5,792トークンとして扱われます（2026年8月時点、出典: ai.google.dev）。

720pで10秒を1本生成すると、動画出力分は約1ドルです。10秒を3回延長して累計40秒にする場合は、各回の入力処理を除いた動画出力分だけで約4ドルが目安になります。実際の請求は総トークン消費量で決まるため、固定料金ではありません（2026年8月時点、出典: ai.google.dev）。

360pはGoogleの発表で720pの約3分の1の費用とされていますが、料金ページは解像度別の固定秒単価を掲載していません。試算では、720pの秒単価を基準に幅を持たせ、実際の利用明細で補正するのが安全です。

関連記事：Geminiとは？できること・料金プラン・モデル体系とChatGPTとの違い

Google AI StudioとGeminiアプリの料金は別に考える

Google AI Studioは対応地域で試用できますが、Gemini Omni 1.1 FlashのAPI利用は有料ティアが前提です。また、Google FlowとGeminiアプリではGoogle AI Plus、Pro、Ultra向けに機能が提供されています。アプリの月額料金とAPIの従量料金は別の契約です。

既存のGoogle AIプランに加入していても、API費用が自動的に含まれるとは限りません。個人向け画面で動画を作るのか、自社サービスへAPIを組み込むのかを先に分けて確認します。

1.1へ移行する使い方と確認したい制約

1.1はstableですが、すべての動画編集を置き換えられるわけではありません。実装前に制約を確認し、必要な要件が非対応なら移行を見送る判断も必要です。

延長・参照動画・音声の制約

• 延長位置：末尾への追加のみで、冒頭や中間への挿入には対応しません
• 入力動画：編集・延長用にアップロードする動画は10秒以下です
• 参照動画：最大3本、各3秒までで、参照動画内の音声は無視されます
• 音声編集：声だけを置き換える編集や、音声ファイルを参照として渡す処理には対応しません
• 複数動画の推論：複数の動画をまたいだ内容理解には対応しません

この制約から、既存映像を細かく切り貼りする用途より、短い場面を新規生成し、段階的に延長する用途に向きます。動画編集ソフトで行うタイムライン編集は別工程として残します。

使えない生成パラメータがある

system instruction、temperature、top_p、stop sequence、negative promptといった一部の指定には対応しません。negative promptは専用フィールドではなく、通常の指示文に「Do not add text」のように含めます。

旧版の呼び出しでこれらのパラメータを送っている場合は、モデルコードを変える前にリクエスト本文を見直します。APIエラーが出ない場合でも、無視された指定があると出力の比較条件がそろいません。

日本語は使える可能性があるが評価済みではない

公式ドキュメントでは、英語は完全に対応している一方、その他の言語は評価していないため結果が変わる可能性があると説明されています。日本語が非対応と明記されているわけではありませんが、同じ品質が保証されているとも言えません。

日本語で組み込む場合は、社名、商品名、画面内テキスト、音声を含む固定テストを用意します。公開前に毎回同じ入力で出力を比べられる状態がなければ、モデル更新後の品質変化を検知できません。

安全性と来歴表示

生成動画には、AI生成物であることを検出できるSynthIDの電子透かしが付与されます。SynthIDは視聴時には見えませんが、来歴確認に使えるGoogleの仕組みです。入力と出力には地域に応じた安全フィルタも適用されます。

一方で、SynthIDが付くことと、公開許諾や権利確認が済むことは別です。人物・商品・既存作品に似た素材を使う場合は、生成前の素材権利と公開前の内容確認を別工程で行います。

AI活用実態調査レポート

全国8,000人調査で、AIの活用方法によって生産性向上に約3.8倍の差が生まれることが判明。

無料ダウンロード →

Gemini Omni 1.1 Flashを制作工程へ組み込んだ活用事例

Gemini Omni 1.1 Flashを試すときは、モデルの機能ではなく、どの工程の何を短縮するかを決めます。ここではGiftXが支援した動画・音声制作の内製化事例を土台に、1.1を組み込む場合の流れを考えます。事例で使ったのはAIエージェント、音声クローン、アバター生成、図解・合成ツールであり、Gemini Omni 1.1 Flashを直接使った実績ではありません。以降の1.1に関する部分は、公式仕様に基づく仮想的な適用例です。

撮影を伴う制作から内製フローへ移した事例

この事例では、本人の声を再現する音声とアバターを使い、台本作成、音声、図解、合成までをAIエージェントへの指示で進める流れを構築しました。従来は撮影日の調整、収録、撮り直しが必要でしたが、台本と素材から制作することで撮影を不要にしています。その結果、制作工数は約75%減り、撮影コストはゼロになりました。これは完成動画を一つのモデルだけで作った成果ではなく、複数の生成工程と人の確認をつないだ結果です。

この事例が示すのは、動画モデルの性能だけを比較しても制作全体の改善にはならないことです。台本が確定しないまま映像を作れば修正が増え、音声と映像の担当範囲が曖昧なら同じ素材を何度も作り直します。各工程の入力、出力、承認者を先に決めると、モデルを入れ替えても流れを保てます。

1.1を使うなら10秒の試作工程から置き換える

この内製フローへ1.1を追加する場合は、図解やアバターを含む完成動画を一気に任せるのではなく、短い挿入映像の試作から始めます。例えば、商品の外観を見せる10秒の場面を一つ選び、入力素材、プロンプト、合格条件を固定します。360pで複数案を作り、人が構図、動き、音、不要物を確認するところまでを最初の対象にします。

合格条件は、感覚的な「良い動画」ではなく、確認できる項目へ分けます。構図なら被写体が画面内に収まっているか、動きなら不自然な変形がないか、音なら指示した環境音が入っているかを記録します。画面内の文字が必要なら、読めるかどうかも独立した項目にします。Google DeepMindが文字描画や複雑な動きを既知の課題として挙げているため、難しい条件をまとめて合否判定しないことが欠かせません。

360pで基準を満たした指示だけを720pへ進めます。高解像度化の前後で内容が変わっていないかを確認し、納品条件で1080pまたは4Kが必要な場合だけアップスケールします。この順序なら、構図の失敗を4K出力後に見つけて再生成する費用を避けられます。

延長は承認済みの場面をつなぐ工程に限定する

10秒の試作が安定したら、シーン延長を次の対象にします。最初の10秒と追加する10秒で、人物、商品、カメラ方向、音の連続性を確認します。一度に累計40秒まで作る計画を立てるのではなく、10秒ごとに承認する流れにすれば、破綻した時点で止められます。

延長は末尾だけなので、台本の構成もそれに合わせます。途中へ説明を差し込む可能性が高い動画は、1.1の延長だけで完成させようとせず、場面ごとに生成して合成工程で並べます。1.1に任せる範囲と既存の編集ツールに残す範囲を分けることが、モデルの制約に制作工程を振り回されないための設計です。

導入前後は品質・時間・費用を同じ条件で比べる

検証では、旧フローと1.1を含む新フローへ同じ台本と素材を渡します。比較項目は、初稿までの時間、採用までの生成回数、出力動画の秒数、解像度、修正回数、API費用です。工数を測る場合は、生成の待ち時間と人が確認・修正する時間を分けます。モデルが速くても、確認項目が増えれば全体時間は縮まらないためです。

採否は一つの成功例では決めません。商品の外観、人物を含む場面、文字のある場面など、難しさの異なる3〜5入力を固定し、旧版と1.1を並行して比べます。品質を満たす入力の割合と、1本あたりの総費用が許容範囲に入った段階で対象場面を増やします。条件を満たさなければ、360p試作だけに使う、人物を含まない挿入映像だけに使う、導入を見送るという判断もできます。

この比較結果は、モデル更新後も同じ様式で記録します。

動画を含む制作工程の分け方と費用の考え方は「AI活用のコンテンツ制作・運用支援」にまとめています。

動画生成AIを業務に組み込むときに陥りがちな3つの落とし穴

新機能を見つけるたびに試しても、制作や運用の成果へつながらないことがあります。モデルの更新頻度が高いほど、対象を絞って検証できる仕組みが必要です。

落とし穴1｜いきなり全てをやろうとする

台本作成、動画生成、音声、字幕、公開までを一度に自動化すると、失敗の原因が分からなくなります。人物の一貫性が崩れたのか、指示文が曖昧なのか、延長処理に問題があるのかを分けて確認できません。

最初は10秒の場面生成だけに絞ります。完成条件を構図、動き、音の3点に限定すれば、1.1へ切り替えた前後の差も比較できます。

落とし穴2｜壮大なAI戦略から考えて手が止まる

全体方針や長期のモデル選定を固めてから始めると、決定までに前提が変わります。Omni Flash Previewの公開から1.1のstable提供まで約2か月しかなく、モデル名や対応機能は短期間で更新されました。

長期計画より、同じ入力を繰り返せる評価セットを先に用意します。比較できる動画があれば、新モデルが出ても品質・速度・費用の変化を短時間で確認できます。

落とし穴3｜既製品のチャット型AIだけで制作工程に組み込もうとする

画面上の会話だけで使うと、素材の取得、生成結果の保存、承認、公開が人の手作業として残ります。出力が良くても、毎回同じ手順で回せなければ制作量は安定しません。

Interactions APIとファイル管理、承認処理をつなぎ、同じ入力と確認項目で繰り返せる状態を作ります。モデル単体ではなく、前後の工程を含めて初めて自社の流れに合わせた運用になります。

スモールスタートで1業務をAIエージェントに任せる

最初に任せる範囲は「10秒の試作動画を作る」のように、結果を一つに定義できる単位が向いています。360pで生成し、人が構図と動きを確認するところまでを一つの流れにすれば、品質と費用を測れます。

この1業務で基準を満たした後に、延長、4K化、公開処理へ広げます。GiftX AIエージェント構築支援では、こうした1業務単位の設計から本番運用までを支援しています。詳細はGiftX AIエージェント構築支援をご覧ください。

Gemini Omni 1.1 Flashに関するよくある質問

Gemini Omni 1.1 Flashは正式版ですか？

はい。モデルページではgemini-omni-1.1-flashがstableとして掲載され、Gemini APIの有料ティアで一般提供されています。従来のgemini-omni-flash-previewはpreview版として別に残っています。

1.1 Flashと1.0の違いは何ですか？

Googleの公式ページでは旧版を「1.0」ではなくGemini Omni Flash Previewと表記しています。1.1では、末尾への動画延長、開始・終了フレームの補間、360pドラフト、1080p・4Kアップスケール、最大3本の参照動画入力が加わりました。

最大40秒の動画を一度に作れますか？

一度の出力は3〜10秒です。10秒ずつ末尾へ延長し、累計40秒までつなげられます。動画の冒頭や中間へ場面を挿入する延長には対応していません。

Gemini Omni 1.1 Flashの料金はいくらですか？

720p動画の実効価格は約0.10ドル／秒です。10秒で約1ドルが目安になります（2026年8月時点、出典: ai.google.dev）。実際の請求は出力トークンの総量で決まり、入力分も別に加算されます。

日本語プロンプトは使えますか？

英語以外も動作する可能性はありますが、公式ドキュメントでは英語以外は未評価とされています。日本語を本番利用する場合は、固定入力で文字、音声、人物の一貫性を比較するテストを用意してください。

Gemini Omni 1.1 Flashへ移行すべきですか？

動画延長、フレーム補間、360p試作、4K出力が必要なら検証する価値があります。一方、タイムラインの中間編集、音声参照、複数動画の横断理解が必要なら、1.1だけでは要件を満たしません。手元の代表的な3〜5入力で旧版と並行比較してから切り替えるのが安全です。

まとめ

Gemini Omni 1.1 Flashは、動画生成と会話編集を本番利用へ近づけたstableモデルです。モデルコードはgemini-omni-1.1-flashで、Gemini APIの有料ティアから利用できます。1回の出力は3〜10秒ですが、末尾へ10秒ずつ追加して累計40秒まで延長できます。

1.1で増えた主な機能は、開始・終了フレームの補間、360pドラフト、1080p・4Kアップスケール、最大3本の参照動画入力です。一方で、延長は末尾のみ、音声参照と声の編集は非対応、英語以外は未評価という制約があります。

移行判断では、360pで短い試作を作り、同じ入力で旧版と品質・速度・費用を比べます。結果が基準を満たしたら、延長や高解像度化を足します。まず一つの生成工程を固定することが、更新の速いモデルを無理なく取り込む方法です。

動画生成AIを業務の仕組みに変えたい方へ

Gemini Omni 1.1 Flashのような動画生成AIを、試して終わりではなく業務の仕組みとして定着させたいとお考えの方は、ぜひGiftX AIエージェント構築支援までお問い合わせください。

GiftX AIエージェント構築支援では、貴社の業務に合わせて1業務単位のスモールスタートから本番運用まで、AIエージェント構築をワンストップで支援します。ユースケースの洗い出しから、PoC、本番運用、社内ナレッジ化まで伴走します。

AI活用にご関心のある方は、ぜひ一度ご相談ください。

▶ GiftX AIエージェント構築支援の詳細・お問い合わせはこちら