概要
Gemini Omni Flashは、Geminiのマルチモーダルな推論能力と生成メディア技術を組み合わせた、動画の生成・編集向けモデルです。Omniシリーズの最初のモデルとして、2026年5月19日のGoogle I/Oで発表されました。(blog.google)
能力と用途
- テキスト、画像、音声、動画を入力として扱い、音声付きの動画を生成できます。ただし、実際に利用できる入力形式は製品やAPIのバージョンによって異なります。(deepmind.google)
- 自然言語による対話を通じて動画を編集でき、映像制作、場面の加工、商品紹介動画やクリエイティブツールなどに利用できます。(blog.google)
- 発表時にはGeminiアプリとGoogle Flowなどでの提供が案内され、2026年6月30日にはGemini APIとGoogle AI Studio向けのプレビュー版が公開されました。(blog.google)
制限
- 編集を重ねた際の一貫性、複雑な動きの生成、動画内の文字の正確な描画には課題があります。人物の発話を変更する機能は安全上の理由から制限されています。(deepmind.google)
- 2026年6月30日のAPIプレビュー公開時点では、動画生成は10秒までで、音声参照のアップロードと場面の延長は未対応でした。動画参照はAPIスキーマ上受け付けるものの、当時は正しく処理されないと説明されていました。これらは公開時点の制限であり、後続バージョンの仕様とは区別する必要があります。(blog.google)
- APIプレビュー版
gemini-omni-flash-previewについて、Googleは2026年9月30日からの非推奨化を案内しました。後継のgemini-omni-1.1-flashは別バージョンです。プレビュー版の現時点でのエンドポイント稼働状況は未確認です。(t.co)
料金
GoogleのGemini Developer API料金ページの検索結果に掲載された、プレビュー版 gemini-omni-flash-preview の標準・有料階層の料金は次のとおりです。検索結果は過去の取得内容であり、2026年11月16日時点の適用可否は未確認です。(ai.google.dev)
- 入力:テキスト・画像・動画・音声とも、100万トークンあたり 1.50 USD。
- 出力:テキストは100万トークンあたり 9.00 USD、動画は100万トークンあたり 17.50 USD。出力料金には思考トークンを含みます。
- 720p動画は毎秒5,792出力トークンとして計算され、標準料金では動画出力約 0.10 USD/秒に相当します。入力料金は別途発生します。無料階層は利用不可と記載されていました。(ai.google.dev)
Google CloudのGemini Enterprise Agent Platformにも、Gemini Omni Flash向けに同じ入出力トークン単価が掲載されています。ただし、これは別プラットフォームの料金であり、提供状況や適用条件は各サービスで確認が必要です。(cloud.google.com)
公式情報
- Google I/O 2026発表
- 開発者向けプレビューの発表
- Google DeepMindモデルカード
- Gemini Developer API料金(確認日:2026年11月16日。検索結果の掲載内容を参照)
- Gemini Enterprise Agent Platform料金(確認日:2026年11月16日)
- Gemini APIの非推奨情報