Gemini Omni 1.2 Flash: 映画級AI動画を最高速度で監督・対話編集・音声同期
Google DeepMindの革新的なマルチモーダル基盤を搭載したGemini Omni 1.2 Flash：単一カットで15秒のネイティブ生成、複数話者のリップシンク対話・環境音生成、対話型動画インペインティング、そして30%の計算コスト削減を実現。
"Cinematic 15-second tracking shot through a neon-lit cyberpunk market in heavy rain, a robotic vendor converses with a lone cyber-detective, synchronized lip movement, ambient rain acoustics, photorealistic 4k cinema grade."
Gemini Omni 1.2 Flash リアルタイム生成：360pドラフトから4Kマスターまで
低コストの360pドラフトで約2秒でカメラワークや演技テンポを素早く検証し、対話指示で洗練させ、1080pおよび4Kシネマ品質へロスレスにアップスケール。
360p 軌道ステーション推進コアのドラフト検証
映画級360p高速ドラフト：宇宙ドックで回転する次世代核融合推進コア、プラズマ管の脈動、ダイナミックなドリーイン、SFコンセプトアートスタディ。
Gemini Omni 1.2 Flash が動画AIの新基準となる理由
ネイティブマルチモーダル音声同期、15秒ネイティブ生成、自然言語による対話型編集、30%のコスト削減が、商業クリエイティブの制作速度を飛躍的に向上させます。
15秒ネイティブ長尺生成
従来の10秒制限を打破し、単一テイクで15秒のシームレスな連続生成に対応。3〜15秒の間で自由に長さを指定可能。
ネイティブ対話＆リップシンク
無声動画に別れを告げましょう。複数キャラクターの自然な対話音声、高精度リップシンク、臨場感あふれる効果音を同時生成。
対話型動画インペインティング
ゼロから再生成する必要はありません。「背景を夕暮れに変更」「衣装をコートに差替」などチャット指示で部分修正可能。
60秒+ 長尺シーン拡張
10秒の深い時系列スライディングウィンドウを搭載。顔立ちや衣装、光の向きを記憶し、60秒以上の長尺ショットを破綻なく繋ぎます。
30%コスト削減＆約2秒生成
生成アーキテクチャの刷新により遅延を40%短縮し、計算コストを30%削減。360pドラフトを約2秒でテスト可能。
開始/終了キーフレーム＆10+3参照
開始と終了のフレームを指定した精密なカメラワーク制御に加え、最大10枚の画像と3本の動画リファレンスに対応。
15秒ネイティブ生成＆60秒以上の破綻なきシーン拡張
従来のAIモデルでは2〜3秒で顔が崩壊することが一般的でした。Gemini Omni 1.2 Flashは10秒の深い時系列記憶により、60秒を超える連続シーンでも一貫したキャラクターと空間を維持します。
生成時間が短く、シーン延長時に顔の崩れ、衣装の変化、不自然なジャンプカットが頻発。
10秒のスライディングウィンドウが特徴と光の向きを保持し、1本の映画カメラで撮影したような滑らかな長回しを実現。
デュアルキーフレーム：開始・終了フレームで意図通りに演出
開始フレームで構図を固定し、終了フレームで到達点を指定。Gemini Omni 1.2 Flashが両極のあいだを自然なカメラワークと物理挙動で補間します。
精密なカメラ軌道補間
360度ロール回転、マクロ通過ショット、劇的なプッシュインなど、複雑なカメラワークをフレーム単位で指定。
空間ジッターの完全排除
時空間速度ベクトルを滑らかに計算し、キーフレーム遷移時の不自然な歪みやゼリー効果を防止。
被写体間のフォーカス移動
人物Aから人物Bや製品ディテールへスムーズに視点を移行させながら、現場の照明と構造の一貫性を保持。
複数話者対話合成＆環境効果音をネイティブ生成
無声AI動画の時代は終わりました。Gemini Omni 1.2 Flashは動画生成と同じ潜在空間で、対話音声、リップシンク、リアルな環境効果音を同時に合成します。
Native Sub-Frame Lip-Sync & Acoustic Studio
Synthesizing multi-speaker speech, character vocal timbres, and spatial environmental Foley sound effects inside the same multimodal latent space.
話者ごとの声質マッチング
短い音声サンプルを参照して、キャラクターごとに異なる声質・感情・イントネーションの対話を生成。
サブフレーム級リップシンク
発音と口の動きが生成段階でネイティブ同期。後付けのアフレコで生じるズレを解消。
映像と連動した環境効果音
雨音、波しぶき、エンジン音、足音など、画面上の物理運動に連動した空間オーディオを自動付与。
自然言語による対話型インペインティング＆部分修正
プロのVFXアーティストと対話するようにAIへ指示。「背景を夕日に変更」「衣装の色を変更」などチャット指示で部分修正が完了します。
"The actor looks great, but replace the cloudy sky with a fiery crimson sunset and make the jacket brown leather."
"Localized segmentation applied: Preserved facial geometry & camera motion. Sky replaced with crimson sunset HDR; jacket texture updated to brown distressed leather. Render time: 1.8s."
"Perfect. Now add subtle lens flare from the setting sun across the camera lens."
"Anamorphic optical flare composited with accurate occlusion. Ready to export or extend narrative!"
自然言語での消去・描き換え
「雨を雪に変えて、奥に山並みを追加」と入力するだけで、元のアクションを維持したまま背景を差し替え。
セマンティック保護領域
指示に関係のないキャラクターの顔や手前のアセットはピクセル精度で完全保持。
迅速なバリエーション検証
Studio上で数秒でアートスタイルの別パターンを比較検討。編集ソフトでの長時間のマスク切りから解放。
高度な参照入力：最大10枚の画像＋3本の動画クリップ
最大10枚のキャラクター設定画と3本の動画リファレンスを同時に読み込み可能。キャラクターの一貫性、動的な動き、照明スタイルを高精度に再現します。
Gemini Omni 1.2 Flashではリソースの奪い合いがなく、画像枠と動画枠をフルに活用できます。
キャラクターの完全な一貫性
複数アングルの設定画像を渡すことで、顔立ち、衣装、髪型を異なるカットでも強固に保持。
複雑なアクション・ポーズの移行
ダンスやスタント、特異なカメラアングルの動画を参照し、ダイナミックな動きを再現。
映画的なルック＆トーンの継承
リファレンス動画から照明、ボケ感、フィルムグレインを抽出し、生成動画に適用。
4ステップの商業クリエイティブワークフロー
低コストの高速ドラフト検証から放送用4Kマスター納品まで、スピードを最大化しコストを最小化。
360p 閃電ドラフト検証
約2秒の高速生成で構図、カメラワーク、タイミングを低コストで素早くテスト。
対話型インペインティング
チャット指示で背景や衣装、光のトーンを微調整し、理想のカットを固定。
音声・リップシンク合成
セリフと声質リファレンスを指定し、口の動きが完全同期した音声付き映像を生成。
4K シネマ級超解像
決定カットを1080pまたは4K HDRマスターへ超解像し、SynthID透かし付きで書き出し。
プロフェッショナルな商業制作を強力に支援
映画監督から広告代理店、SNSクリエイターまで、あらゆる現場の生産性を劇的に加速。
映画の絵コンテ・プリビズ制作
撮影前に複雑なカメラワーク、ライティング、演技の動線を数分で可視化。
海外EC・商品プロモーション動画
複数言語のネイティブ音声付きで高品質な製品紹介・ライフスタイル動画を量産。
SNS広告・縦型ショートドラマ
TikTokやReels向けに音声付きの魅力的なショート動画やドラマ展開を最速で制作。
バーチャルヒューマン＆ブランドアバター
自然な口の動きと豊かな表情を持つデジタルアバターで双方向コミュニケーションを実現。
ゲーム用シネマティクス＆予告編CG
物理流体、布シミュレーション、爆発エフェクトを含むゲームCGカットシーンを素早くレンダリング。
音楽MV・音響ビジュアルアート
リズムやボーカルの抑揚に合わせてダイナミックに変容する超現実的な映像を演出。
Gemini Omni 1.2 Flash vs 1.1 Flash・業界主要モデル比較
生成時間、ネイティブ長、音声同期、コスト効率などの主要指標における徹底比較。
| 主要機能・指標 | Gemini Omni 1.2 Flash (最新フラッグシップ) | Gemini Omni 1.1 Flash |
|---|---|---|
| 単一テイク ネイティブ生成長 | 15秒 (3〜15秒で自由にカスタム) | 10秒 (5〜10秒カスタム) |
| 長尺シーン拡張 | 60秒以上 (10秒の深い時系列記憶) | 最大40秒 (10秒時系列記憶) |
| ネイティブ複数話者音声同期 | 対話合成＋精密リップシンク＋環境効果音内蔵 | 無音 (外部ツールでのアフレコが必要) |
| 対話型動画インペインティング | 自然言語での対話型部分修正・背景差替に対応 | プロンプト全再生成のみ |
| 事前ドラフト生成速度 | 約2.1秒 (360p 超低コストモード) | 約3.2秒 (360p ドラフトモード) |
| 計算コスト効率 | 30%安価 (720pで約$0.07/秒) | 標準Flashレート |
| マルチモーダル参照上限 | 最大10画像＋3動画リファレンス同時入力 | 最大7画像＋1動画 |
| キーフレーム運鏡制御 | 開始・終了デュアルキーフレーム制御 | 開始・終了キーフレーム |
| マスター出力解像度 | ネイティブ360p/720p/1080p -> 4K HDR超解像 | ネイティブ360p/1080p -> 4K超解像 |
| コンテンツ来歴と電子透かし | Google SynthID 不可知電子透かし内蔵 | Google SynthID 透かし |
* Specifications and benchmark metrics are grounded in official technical releases from Google DeepMind: Introducing Gemini Omni 1.2 Flash. 720p draft rates calculated at ~$0.07/second under standard production workload.
Gemini Omni 1.2 Flash についての質問と回答
機能、ネイティブ音声、対話型編集、料金、商用利用に関する公式情報。
Gemini Omni 1.2 Flash で次世代の映像制作へ
15秒ネイティブ生成、音声・リップシンク、対話型編集をGemini Omni Studioで体験。新規登録で30クレジットをプレゼント中。