Gemini Omni 1.2 Flash と 1.1 の違い：何が変わったか

Google は2026年11月5日に Gemini Omni 1.2 Flash を公開しました。Gemini Omni 1.1 Flash からわずか10週間後です。作業の進め方を一番変えるのは長さで、1回の生成で3〜15秒の動画を作れるようになり、10秒の上限がなくなりました。あわせて、参照画像への忠実さが上がり、完成した動画を何度かに分けて編集できるようになり、セリフと口の動きが自然になりました。Gemini API の 720p の料金も30%下がり、1秒あたり0.07ドルになっています。現在は両方のバージョンが NanoBananas のスタジオで使え、Gemini Omni 1.2 Flash は1秒あたりのクレジットが 1.1 より少なくなっています。

この比較は、Gemini Omni 1.2 Flash が NanoBananas のスタジオで使えるようになった 2026年11月11日 に更新しました。モデルの仕様は Google の発表記事、Google Cloud のモデルページ、DeepMind のモデルカードに基づいており、いずれも出典セクションにリンクしています。両バージョンのクレジットとスタジオの制限は NanoBananas の料金表によるものです。以下の 1.2 の品質に関する記述は Google によるもので、その旨を明記しています。

Gemini Omni 1.2 Flash の変更点

最長15秒、1秒単位で指定可能

1.1 は決まった長さしか選べず、最長10秒でした。1.2 ではテキスト・画像・参照素材からの生成と編集で、3〜15秒の任意の整数秒を指定できます。開始・終了フレームでの生成は今も最長10秒で、シーン延長は1回につき3〜10秒を追加します。15秒あれば、SNS広告1本、商品紹介、短い会話シーンを1回の生成で作れます。2本の動画をつなぎ、継ぎ目が目立たないよう祈る必要はもうありません。

参照素材への忠実さが向上

1回のリクエストで、キャラクター・商品・スタイルの画像、最長3秒の動きのクリップ、音声の手がかりを組み合わせられます。Google によると、顔、衣服、パッケージの文字、ブランドカラーが、カメラアングルが変わっても最初から最後まで保たれるようになりました。Cloud のドキュメントでは、1回のプロンプトに画像は最大10枚、動画は最大3本です。Google の発表例には、モデル写真1枚と3着の服の前後の写真から作った15秒のバーチャル試着動画があります。

複数ターン編集

生成した動画を、会話を続けながら修正できます。商品や背景の差し替え、照明や天気の変更、アスペクト比の切り替えを、動画全体を作り直さずに行えます。15秒の動画全体に対応しています。広告チームにとって最も実用的な変更で、承認済みの1本から、ターゲットや掲載面ごとのバリエーションを作れます。

より自然なセリフと安定したカメラ

セリフはなめらかになり、口の動きがより正確になり、複数人が話すシーンも演出しやすくなりました。FPV のフライスルー、オービット、急速なズームアウトのような長いカメラワークでも、不要なジャンプカットが減り、スケールが安定したと Google は説明しています。

値下げと一般提供

Gemini API の 720p の料金は30%下がり、1秒あたり0.07ドルになりました。1.2 は Google Cloud で一般提供（GA）された最初の Gemini Omni でもあり、Provisioned Throughput に対応し、サポート終了日は2027年11月5日以降と記載されています。

Gemini Omni 1.2 Flash と 1.1 Flash の比較

表の上部は Google が提供するモデルの仕様、最後の2行は NanoBananas のスタジオで実際に使える内容です。Google が公表している 1.2 の上限（画像10枚、動画3本）は、現在プロバイダーが提供している範囲より広くなっています。ドル表記は Google の定価で、NanoBananas のクレジットではありません。

複数ターン編集で作業の流れはどう変わるか

1.1 では、1か所だけが惜しい動画でもプロンプトから作り直す必要があり、新しいテイクは望まない部分まで変わることがありました。カメラワーク、表情、背景がまるごと違ってしまうのです。1.2 ではテイクを残したまま、問題のある部分だけを変えられます。

1. ベースの動画を生成する。演技、カメラワーク、テンポが決まったものを作ります。
2. 1ターンで変えるのは1つだけ。例：「Replace the background with an oak forest; keep both characters, their movement and the camera framing unchanged.」
3. 承認済みの動画からバリエーションを分ける。市場ごとに商品の色、季節、パッケージの言語を変えます。
4. アスペクト比の切り替えは最後に。内容が確定してから、同じ動画の 16:9 版と 9:16 版を書き出します。

NanoBananas のスタジオでは Gemini Omni 1.2 Flash を選び、参照モードに切り替えて、変更したい動画（2〜15秒）をアップロードします。出力の長さはアップロードした動画と同じになるため、時間の設定は使われません。料金はアップロードした動画の秒数に 1.2 の1秒あたりの単価をかけた額です。同じリクエストに参照画像を最大5枚追加でき、たとえば差し替えたい新商品の画像を入れられます。

画像編集で効果的な「残すものを先に書き、変えるものを後に書く」書き方は、ここでもそのまま使えます。詳しくは写真編集ガイドをご覧ください。

音声とセリフ：改善点と制限

どちらのバージョンも、セリフ、音楽、効果音を映像と一緒に生成します。1.2 の改善は主にセリフで、声の機械っぽさが減り、口の動きが言葉に合うようになり、複数人が話すシーンでは声をキャラクターごとに割り当てられます。

• 人物のセリフを変える編集は制限されています。DeepMind のモデルカードによると、1.2 は動画編集時に人物の発言を変えられますが、Google は当面この機能を制限しています。
• 公開時点で Google Cloud は音声のアップロードに対応していません。発表記事は参照の種類として音声の手がかりに触れていますが、Cloud のモデルページでは音声は非対応の入力です。はっきりするまで、自分のナレーションを読み込ませる前提で作業を組まないでください。
• すべての出力に SynthID（目に見えない透かし）が入り、C2PA のコンテンツ認証情報にも対応しています。

値下げで実際にいくら変わるか

値下げ幅は30%ですが、より大きな節約になるのは Google が勧める進め方です。360p か 720p で下書きし、作り直す代わりに追加の編集で直し、残すテイクだけをアップスケールします。1.1 で10秒の広告に4回のフル生成が必要だったなら、1.2 では1回の生成と2回の編集で済むかもしれません。

NanoBananas は API の秒数ではなくクレジットで課金します。スタジオでの 1.2 は 720P で1秒5クレジット、1080P で6、4K で10で、生成前に必ず正確な見積もりが表示されます。両バージョンの料金表は次のセクションにあります。

NanoBananas で Gemini Omni 1.2 と 1.1 を使う

スタジオではどちらのバージョンも同じ4つのモードに対応しています。テキストから動画、開始フレームのアニメーション、開始・終了フレーム、参照モードです。音声はどの動画にも一緒に生成されます。違いは長さ、参照素材の上限、料金です。

Gemini Omni 1.2 Flash

長さは4・5・6・8・10・12・15秒から選べます。開始・終了フレームは最長10秒です。参照モードでは画像を最大6枚、または編集する2〜15秒の動画を1本使えます。画像は1枠、動画は2枠を使い、合計7枠までです。

Gemini Omni 1.1 Flash

長さは4・6・8・10秒です。参照モードでは画像最大7枚と、2〜10秒の参照動画1本を使えます。

参照動画を加えると、出力の秒数と参照動画の秒数の合計に、通常料金の70%で課金されます。6秒の参照動画を使って 720P・8秒の動画を作ると79クレジットです（8クレジット × 14秒 × 0.7、切り上げ）。

どの解像度でも 1.2 は 1.1 より安いので、1.1 を使う主な理由はすでに調整済みのカットです。720P で下書きし、最終版だけ解像度を上げましょう。Gemini Omni 1.2 Flash のページ、Gemini Omni 1.1 Flash のページ、または動画スタジオから始められます。

1.1 と 1.2 を比べる3つのプロンプト

この3つのプロンプトは、Google が改善したとする3つの点を確かめるためのものです。それぞれ両方のバージョンで 720P・10秒で生成し（1.1 は80クレジット、1.2 は50クレジット）、結果を並べて比べてください。全体の印象ではなく、チェックポイントごとに判断しましょう。

• 「AURELIA」が正面に戻ってきたとき、つづりは正しいままですか？
• キャップの形とボトルの比率は、回り込みの間ずっと同じですか？
• 反射はカメラと一緒に動きますか、それともちらつきますか？

• それぞれのセリフを正しい人物が話し、口の動きも合っていますか？
• 2人の声は別人に聞こえますか？
• 話している間、顔と手は安定していますか？

• ショットは途切れずに続きますか、それとも途中でジャンプカットしますか？
• カメラが上がるにつれて、岩と波のスケールは自然ですか？
• 音はカメラの動きに合わせて小さくなっていきますか？

1.2 に切り替えるか、別のモデルを使うか

動画モデルのシリーズをより広く比較するなら、Seedance・Veo・Wan の比較をご覧ください。

両バージョンの既知の制限

• 速いスポーツの動き、頻繁な台本の切り替え、複雑な物理表現は、Google が 1.2 でも改善中としている分野です。
• アスペクト比は2種類のみ：16:9 と 9:16。正方形や 4:5 は編集ソフトで切り抜きます。
• 開始・終了フレームは 1.2 でも最長10秒です。ほかのモードは15秒まで作れます。
• 1.2 のセリフ編集は制限されており、公開時点で Google Cloud は音声入力に対応していません。
• 透かし：すべての出力に目に見えない SynthID の透かしが入ります。

出典

• Google：Gemini Omni 1.2 Flash の発表記事：15秒の動画、参照への忠実さ、複数ターン編集、720p で1秒0.07ドル、提供先、改善中の分野。
• Google Cloud：Gemini Omni 1.2 Flash モデルページ：長さ、解像度、入力の上限、対応する入力形式、サポート終了日。
• Google DeepMind：Gemini Omni 1.2 Flash モデルカード：提供チャネルとセリフ編集の制限。
• NanoBananas 動画スタジオの料金表：Gemini Omni 1.1 Flash と 1.2 Flash のすべてのクレジットとスタジオの制限。

よくある質問