商品紹介の動画を生成できても、背景を直すたびに商品の形まで変わってしまえば、そのまま広告には使えません。企業の動画制作では、最初の映像ができる速さと同じくらい、修正を重ねて公開可能な品質に仕上げられるかが問題になります。Googleが2026年11月5日に発表した「Gemini Omni 1.2 Flash」は、この制作工程に踏み込む動画生成・編集モデルです。

GoogleのAI研究開発部門であるGoogle DeepMindが開発した同モデルは、音声付き動画を最長15秒まで生成・編集できます。従来のOmni 1.1 Flashの上限は10秒でした。720p動画の生成料金も30％引き下げられ、1秒当たり0.07ドルになっています。Googleは、長さや価格に加え、参照素材の再現性と会話による編集の改善を打ち出しました。Googleの発表で機能の概要を確認できます。



今回の更新を企業が評価する際、中心に据えたいのは、採用できる動画を一本仕上げるまでの負担です。最長時間が延びれば、商品の登場から使用場面までを一つの動画に収めやすくなります。ただし、15秒を生成できることと、その全体が確認を通過することは別の話でしょう。

Googleは、低い解像度で試作し、必要な部分を編集し、選んだ動画を高解像度化する使い方を示しています。生成、修正、仕上げをつなげて評価すれば、単価の下落が自社の作業時間や予算にどれだけ効くかを判断しやすくなります。新モデルの価値は、生成した瞬間よりも、担当者が完成版として承認するまでの過程に表れると考えられます。

Omni 1.2 Flashは、テキスト、画像、短い動画、音声を入力として扱い、音声付き動画を出力します。このように複数の種類の情報を扱う仕組みを、マルチモーダルと呼びます。企業の制作業務に置き換えると、文章だけで商品の特徴を説明するのではなく、商品写真や人物画像を示しながら、動きや見せ方を指示できる仕組みです。

Googleによると、人物、商品、作風を示す画像と、最長3秒の動作参照動画を組み合わせられます。更新では、顔、衣服、パッケージの文字、ブランドカラーなどを、カメラの角度が変わっても維持しやすくなったとしています。ここでいう追従性とは、渡した素材や指示に、生成結果がどれだけ沿っているかという意味です。



商品紹介では、見栄えのよさだけでなく、何を販売しているかが正しく伝わる必要があります。容器の形が途中で変わる、衣服の背面が別のデザインになる、ロゴに似た文字が現れるといった映像は、確認や修正の負担を増やします。参照素材を保ちやすくする改善は、この負担に関係するものです。ただし、Googleの説明は再現性の向上を示すものであり、すべての細部が正確になるという保証ではありません。

日本企業が試す場合は、自社商品の写真を使い、正面だけでなく側面や背面が映る場面も確認するとよいでしょう。日本語の商品名や注意書きについても、文字の形や意味を担当者が点検する必要があります。見た目が整った動画でも、商品情報の正しさまで自動的に満たすとは限りません。映像の印象と、業務で守るべき情報の精度を分けて評価することが、実用性を見極める出発点になります。

Googleが示す制作の流れは、360pまたは720pで下書きを作り、追加の指示で細部を直し、採用する結果を1080pや4Kへ高解像度化するものです。高解像度化はアップスケールとも呼ばれ、映像の解像度を引き上げる処理を指します。最初から最後まで同じ解像度で生成する工程とは区別して考える必要があります。

Omni 1.2 Flashでは、最長15秒の動画全体に対して、複数回の会話を通じた編集が可能になりました。商品や背景の差し替え、照明の変更、縦横比の調整などを、順に指示できます。開発者向けの仕組みでは、previous_interaction_idという識別子で前のやり取りを参照するため、継続編集のたびに動画をアップロードし直さずに済むと説明されています。



例えば、一つの商品動画から、配信先に合わせた背景や縦横比の異なる案を作る場面が考えられます。構図や商品の見せ方が採用水準に達していれば、その状態から変更を加えられる点に意味があります。毎回すべてを指示し直す手間が減る可能性はあるでしょう。ただし、編集によって意図しない箇所まで変わらないかは、実際の素材で確かめる必要があります。

試作の段階では、構成、商品の形、動き、音声を確認し、承認後に仕上げへ進む運用が考えられます。解像度を上げる処理だけで、誤った商品名や不自然な動きが正しくなると期待すべきではありません。どの版を承認し、その後に何を変更したかを記録しておけば、確認漏れも見つけやすくなります。会話で手軽に直せることを、確認手順を省く理由にしない運用が求められます。

720p動画の料金は1秒当たり0.07ドルで、15秒なら約1.05ドルです。従来のOmni 1.1 Flashは同条件でおよそ0.10ドルだったため、生成単価は30％下がります。これは動画生成にかかる料金の比較であり、制作業務全体の費用が同じ割合で下がるという意味ではありません。価格と一般提供の情報は、Google Cloudの発表でも案内されています。

単純計算では、720pの15秒動画を100本生成すると105ドルになります。ただし、この100本をそのまま100本の納品物と考えることはできません。候補を複数生成する場合や、編集を重ねる場合、仕上げの処理を利用する場合は、実際に使う機能とその課金条件を確認する必要があります。担当者の確認時間も別に発生するでしょう。



企業が測りたいのは、生成した本数より、公開可能な品質に達した本数です。安く多数の候補を作れても、商品情報の誤りが多ければ、選別と修正に時間がかかります。逆に、追加編集で採用できる状態へ近づけるなら、生成単価の差以上に制作工程へ影響する可能性があります。今回の更新で価格と編集機能を合わせて見るべき理由は、ここにあります。

導入試験では、生成料金、採用までの試行回数、確認と修正に使った時間を記録すると比較しやすくなります。既存の制作方法にも同じ物差しを当てれば、どの種類の動画で負担が減るかが見えてきます。日本円で予算を組む場合は、利用時点の為替や契約条件も反映する必要があります。約1.05ドルという数字は、完成品の価格ではなく、制作費を見積もるための一つの入力値として扱うのが適切です。

Googleは、参照素材の維持に加え、会話音声の自然さ、口の動きと音声を合わせるリップシンク、複数話者の表現が改善したと説明しています。カメラ制御では、被写体の周囲を回り込む動きや、遠ざかりながら全体を見せる動きなどで、意図しない場面の飛びが減ったとしています。こうした改善は、商品や人物を連続して見せる映像の評価に関係します。

ただし、今回確認できた情報では、1.2固有のベンチマークスコアは公表されていません。紹介されている比較映像やパートナー企業の評価は参考になりますが、一定の条件で得られた結果です。過去のOmni Flash系列のランキングも、今回のバージョンの性能を直接証明するものではありません。系列全体の実績と、新版の検証結果は分けて読む必要があります。



Google自身も、高速なスポーツ動作、急激なシナリオ変更、複雑な物理現象には改善の余地があるとしています。動きの激しい競技や、複数の物体が接触する場面を扱う場合は、映像として自然に見えるかを細かく点検したいところです。静かな商品紹介で得た評価を、そのまま動きの多い用途へ広げることはできません。

日本語での利用も、自社の条件をそろえて試す必要があります。自然な会話音声という説明だけでは、日本語の固有名詞、専門用語、複数話者の区別まで期待どおりかは判断できないためです。例えば、社名と商品名を含む短い説明、二人の会話、商品の回転映像を別々に作れば、音声と映像の課題を切り分けやすくなります。一度の成功例を選ぶだけでなく、同じ条件で繰り返したときの安定性も、業務導入の判断材料になるでしょう。

利用経路として、開発者向けにはGemini APIとGoogle Cloudが用意されています。Google AI Studioでの試作に加え、Googleの動画制作サービスであるFlowやGoogle Vids、Google Adsなどでも利用が案内されています。Geminiアプリへの提供はGoogle AI Ultra加入者向けに順次進むとされているため、利用するサービスごとに提供状況を確かめる必要があります。

モデルはGoogleがホストする環境で提供され、モデルの重みを取得して社内環境で動かす形ではありません。また、Google Cloudで音声参照を利用する場合は、許可リストによる制限が残っています。動画の入出力に音声を含められることと、参照用の音声を自由に渡せることは同じ条件ではありません。利用経路や入力条件は、制作したい内容と合わせて確認する必要があるでしょう。



日本企業の初回検証では、対象商品を一つに絞り、短い説明動画を作る方法が考えられます。商品写真、伝えたい特徴、必要な長さを決め、生成後に背景だけを変更してみます。これなら、最初の生成品質に加え、商品や構図を保ちながら修正できるかも確認できます。検証用素材の利用権限や、社外のクラウドへ渡せる情報かどうかは、社内の運用に沿って整理しておく必要があります。

出力には、GoogleのAI生成コンテンツ識別技術であるSynthIDの透かしが付与されます。ただし、透かしがあることと、商品表現の正確さや素材の利用条件を確認できていることは別です。公開前の確認担当者と判断基準は、制作工程の中に残しておくべきでしょう。

最初の一歩は、生成本数の目標を置くことではなく、既存の動画一本と比べられる試験を設計することです。同じ商品の15秒動画を作り、背景変更を一度加え、採用までの費用と確認時間を記録します。その結果を基に、商品紹介、広告案の試作、配信先別の展開のうち、どこへ適用するかを判断できます。