プロダクトチーム向けの手頃なGemini Omni API料金
Kie.aiは、優れたコスト管理のもとで動画生成機能のテスト、構築、スケールを行いたいチーム向けに、手頃なGemini Omni API料金を提供しています。開発者は初期の検証から手軽に始め、利用量を明確に見積もり、初期構築フェーズのコストを不必要に膨らませることなくプロダクトの需要拡大に合わせてAPIコールを拡張できます。
Gemini Omniは、動画をはじめとするさまざまな種類の入力から制作できるよう構築された、Googleが公開したマルチモーダル制作モデルです。Gemini Omni FlashはOmniファミリー初のモデルであり、自然言語による編集、リファレンスベースの制作、シーン変換、一貫性のあるビジュアルストーリーテリングなど、実用的な動画生成・編集ワークフローをサポートします。
Basic Voice
Input description
Textarea description
0/20000Input description
No result yet. Click generate to start.
Input description
Click to upload or drag and drop
Supported formats: JPEG, PNG, WEBP Maximum file size: 20MB; Maximum files: 2
Array of character reference image URLs. Up to 2 images are supported. Index 0 is the portrait image, and index 1 is the body image. The body image is optional, but if provided, the portrait image must be present at index 0.
Audio ID list. Up to 1 IDs are allowed.
Character Description
0/20000No result yet. Click generate to start.
Describe the image you want to generate.
0/20000Click to upload or drag and drop
Supported formats: JPEG, PNG, WEBP, JPG Maximum file size: 20MB; Maximum files: 7
Reference images. Available image slots: 7/7. Video uses 2 slots and each character_id uses 1 slot.
Audio ID list. Up to 1 ID is allowed.
Click to upload or drag and drop
Optional video input. Only 1 video is allowed and it uses 2 image slots.
Character ID list. Each character ID uses 1 image slot. Available character slots: 3/7. Remaining image slots: 7/7.
Note: when video input is provided, the output duration is determined by the model automatically. This duration parameter will not take effect.
Video ratio
Output video resolution. Valid values: 720P(default), 1080P, 4k.
Random seed. Range: [0, 2147483647]. If not specified, the system generates a seed automatically. Fixing the seed can improve reproducibility, but results may still vary due to the model’s stochasticity.
Explore different use cases and parameter configurations
Complete guide to using Gemini Omni
Kie.aiのGemini Omni APIで、動画生成・編集プロダクトを構築しましょう。自然言語による制御、リファレンスによるガイド、コスト効率の高いAPIアクセスを活用し、テキスト・画像・動画入力やプリセット音声を一貫性のある動画出力へと変換できます。

Google I/O 2026の文脈において、Gemini OmniはマルチモーダルAI制作における新たな一歩を示しています。動画をはじめとする多様な種類の入力から制作できるよう設計されており、Geminiの推論能力と生成メディアシステムを融合させています。これにより、モデルはシーン、アクション、環境、物理的挙動、現実世界の文脈をより深く理解できるため、動画生成と編集は単なるプロンプトからの動画出力を超えた領域へと進化します。Gemini Omni FlashはOmniファミリー最初のモデルであり、ユーザーが映像素材を変換し、リファレンスで結果をガイドし、自然言語を通じてシーンをブラッシュアップできる実用的な動画制作・編集ワークフロー向けに構築されています。
テキスト入力では、制作または編集したい動画を自然言語で記述できます。プロンプトによってシーン、被写体、アクション、カメラワーク、スタイル、ライティング、特定の変換内容を定義できるため、Gemini Omni Flashはテキストから動画生成や対話形式での動画のブラッシュアップに役立ちます。
画像入力を使うと、被写体、キャラクター、オブジェクト、シーン、スケッチ、ビジュアルスタイルによって生成される動画をガイドできます。Gemini Omni Flashは画像リファレンスを活用して、重要な視覚的ディテールを維持したり、選択したルックを適用したり、静止画のアイデアを動きのある動画シーケンスへと変換したりできます。
動画入力では、既存のクリップを新しい生成結果の出発点として活用できます。Gemini Omni Flashは動画の一貫性を保ちながら、環境の変換、シーン内の出来事の変更、オブジェクトの追加、カメラ視点の調整、新しいエフェクトの適用を行えます。
Kie.aiでの音声にはアップロードされた音声データではなくプリセット音声が使用され、30種類のプリセット音声からひとつをGemini Omni Audioエンドポイントに登録し、そのオーディオIDをリクエストと一緒に渡します(動画ごとに最大3つまで)。これは、声、表情、画面上のアクションに一体感が求められるプレゼンター動画、キャラクターのセリフ、ナレーション付きシーンに適しています。
Gemini Omni APIは自然言語による動画編集をサポートしており、毎回プロンプト全体を作り直すことなく、シーンを段階的にブラッシュアップできます。ユーザーは元のシーンの一貫性を保ちながら、環境の変更、アクションの調整、オブジェクトの置き換え、カメラアングルの切り替え、視覚エフェクトの追加を行えます。そのため、既存の映像素材をより直感的に変換する手段が求められるAI動画エディター、クリエイター向けツール、各種アプリケーションに役立ちます。Googleによると、より新しいGemini Omni 1.2 Flashモデルでは15秒のクリップ全体にわたるマルチターンの対話型編集が追加されており、詳細はGemini Omni 1.2 Flash APIページをご覧ください。
Google Gemini Omni APIを使用すると、シーン、オブジェクト、アクションが文脈に応じてどのように振る舞うべきかを、生成される動画により的確に反映できます。このモデルは、ビジュアル制作を物理学、歴史、生物学、文化、物語のロジックに関する知識と結びつけるよう設計されており、出力のランダム性を抑えてより意図に沿った表現を可能にします。これは解説動画、シネマティックなストーリーテリング、プロダクトコンセプト、そしてビジュアルスタイル以上に内容の整合性が求められるあらゆる動画体験において重要になります。
Gemini Omni Flash APIは、複数の異なるクリエイティブ入力を、より制御しやすい動画制作プロセスへと変えます。テキストで方向性を定義し、画像で被写体やスタイルをガイドし、動画で動きやシーンの文脈を与え、プリセット音声でナレーションやセリフを担わせることができます。これにより、ユーザーは白紙のテキストプロンプトだけに頼るのではなく、実際のクリエイティブ素材から制作を始められます。
Gemini OmniモデルAPIは、キャラクターの存在感、表情、話し方がシーン内で自然に結びついている必要があるデジタルアバター動画のシナリオをサポートできます。アバターを平面的な視覚レイヤーとして扱うのではなく、最終的な動画では被写体、環境、パフォーマンスをより統合された結果へとまとめ上げることができます。この方向性は、プレゼンタークリップ、キャラクター主導のコンテンツ、インタラクティブメディア、そして次世代を見据えたクリエイティブ動画プロダクトに特に適しています。
Gemini Omniは、ユーザーが白紙のプロンプトだけから始めるわけではない動画プロダクトをサポートできます。実際のワークフローは、元となるクリップ、プロダクトアセット、ビジュアルリファレンス、絵コンテ、あるいは教育用の簡単なアイデアから始まることがあります。開発者にとって、Gemini Omni APIはこうした入力を、編集可能で一貫性があり、文脈を踏まえた動画体験へと変換しやすくします。
AI動画エディターはGemini Omni APIを活用して、ユーザーが平易な言葉で既存の映像素材を変換できるようにします。クリエイターは、シンプルな部屋の動画をアップロードして近未来的なスタジオへの変更を求めたり、街角のクリップに雨のシネマティックなルックを求めたり、商品カットをよりドラマチックなローンチシーンへと変えるよう指示したりできます。その価値は単に新しいクリップを生成することではなく、タイムライン、マスク、レイヤー、フレーム単位のエフェクトを手動で調整することなく、実際の映像素材を修正する手段をユーザーに提供できる点にあります。
学習プラットフォームはGoogle Gemini Omni APIを活用して、抽象的なアイデアを短いビジュアルレッスンへと変換できます。科学アプリでクレイアニメ風のタンパク質折り畳み解説動画を生成したり、研修プロダクトで複雑なワークフローを可視化したり、教育ツールで古典コンピューティングと量子コンピューティングをアニメーションシーンで比較したりといった活用が可能です。このユースケースには単に見栄えの良いビジュアル以上のものが求められ、視聴者がトピックを理解しやすい形でオブジェクト、アクション、文脈を結びつける動画である必要があります。
マーケティングツールやクリエイター向けツールでは、Gemini Omni Flash APIを活用して既存のアセットから素早く動画コンセプトを作成できます。製品画像をライフスタイル風のティザー動画にしたり、ブランドビジュアルでソーシャル広告のスタイルを方向づけたり、短いリファレンスクリップでキャンペーン動画のモーションを形作ったりすることが可能です。本格的な制作ワークフローに進む前に素早くバリエーションを作成したいEコマースチーム、クリエイティブエージェンシー、ソーシャルメディアツールに特に役立ちます。
ストーリーボードから動画を生成するプロダクトでは、Gemini Omni Video APIを活用して、ユーザーが最終クリップを生成する前に構成を定義できるよう支援できます。クリエイターはラフなストーリーボードをアップロードし、カメラの動きを指定し、ショット間でキャラクターやオブジェクトの一貫性を保ちながら、シーケンス全体に特定のスタイルを適用できます。このユースケースは、単一の独立したプロンプトではなく計画された視覚的展開に沿った出力が求められるコンセプトデザイン、プレビジュアライゼーション、短編ストーリー動画、クリエイティブ企画ツールに適しています。
Gemini Omni APIでは、各リクエストで明確なクリエイティブディレクションを示すことで、より質の高い動画を作成できます。優れたプロンプトでは、被写体の短い説明だけに頼るのではなく、シーン、アクション、カメラの挙動、ビジュアルスタイル、ライティング、リファレンス、一貫性の要件を定義することが重要です。また編集ワークフローにおいては、うまくいっている要素を維持しつつ動画の一部だけを変更し、段階的に結果を調整していくことで、Gemini Omni Flash APIの性能をより引き出せます。
高度な編集やエフェクトを追加する前に、ショットのフレーミング、カメラの動き、スタイル、ライティング、ロケーション、アクションといった、最終的な動画を形作る基本要素を定義しておきましょう。こうした詳細は、Gemini Omni APIが動画の見た目や動き、雰囲気を最初から理解する助けになります。効果的なリクエストでは、シーンに何が登場するかだけでなく、どのように撮影するか、どのような雰囲気を演出するか、時間経過とともに何が起きるかまで説明します。
既存のクリップを編集する際は、プロンプト全体を書き直すのではなく、加えたい変更点を具体的に記述してください。Gemini Omni Flash APIでは、動画の他の部分を安定させたまま、背景の変更、オブジェクトの差し替え、カメラアングルの調整、アクションの変更、新しいエフェクトの追加といった的を絞った追加指示によって編集を進められます。
カメラワークの表現を用いることで、視聴者がシーンをどのように体験するかをコントロールできます。Gemini Omni APIを使用する際は、クローズアップ、ワイドショット、肩越しショット、固定カメラ、ハンドヘルドの動き、プッシュイン、ティルトアップ、ドリーズーム、単一の連続ショットなど、ショットサイズ、視点、動き、テンポを指定できます。明確なカメラ演出を指示することで、最終的な動画により意図的な映像構成を持たせることができます。
教育、科学、歴史、または概念的な動画を作成する場合は、伝えたいアイデアを明確に述べ、希望する視覚フォーマットを定義してください。Gemini Omni Flash APIのプロンプトでは、何を説明する必要があるか、コンセプトをどのように展開するか、どのようなビジュアルスタイルで表現するかを記述できます。これにより、最終的な動画でオブジェクト、アクション、文脈をより分かりやすく結びつけることができます。
動画にキャプション、ラベル、アニメーションテキスト、看板、ローワーサードを含める場合は、テキストの表示方法とアクションとの連動方法を説明してください。Gemini Omni APIのプロンプトには、配置、タイミング、順序、表示時間、アニメーションスタイルに加え、テキストを動きやリズム、音声と同期させるかどうかを含めることができます。これは解説動画、ソーシャルクリップ、製品デモ、ビジュアルストーリーテリングに特に役立ちます。
高度なモーションや変化を伴うシーンでは、アクションとその視覚的な結果に焦点を当ててください。Gemini Omni Flash APIのプロンプトでは、何が変化のきっかけになるか、環境がどう反応するか、最終的にどのような状態になるかを説明する必要があります。これは物理反応、オブジェクトの変形、素材の変化、モーションエフェクト、そしてあるアクションが別の変化を明確に引き起こすシーンに効果的です。
複数の展開を持つ動画では、シーケンスの流れを記述し、動画全体を通して重要なディテールを維持してください。Gemini Omni APIのプロンプトには、ストーリーボードの順序、キャラクターの一貫性、衣装のディテール、製品デザイン、オブジェクトの素材、環境のレイアウト、ビジュアルスタイルを含めることができます。これはストーリー性のあるクリップ、製品ストーリー、教育用の連続動画、計画的なクリエイティブ動画に役立ちます。
Kie.aiは、優れたコスト管理のもとで動画生成機能のテスト、構築、スケールを行いたいチーム向けに、手頃なGemini Omni API料金を提供しています。開発者は初期の検証から手軽に始め、利用量を明確に見積もり、初期構築フェーズのコストを不必要に膨らませることなくプロダクトの需要拡大に合わせてAPIコールを拡張できます。
Kie.aiは充実したGemini Omni APIドキュメントを提供しており、開発者がAPIキーの設定、認証、リクエストパラメータ、対応する入力形式、レスポンス処理、タスクステータス、デプロイロジックをスムーズに理解できるよう支援します。明確なドキュメントにより、Kie.aiはアプリ、バックエンドサービス、動画エディター、クリエイティブ自動化ツールへGemini Omni APIを接続するための効率的なプラットフォームとなっています。
Kie.aiは、実際のプロジェクトでAPIを利用する開発者向けにGemini Omni APIサポートを提供しています。APIキー、プレイグラウンドでのテスト、リクエストエラー、統合ロジック、本番環境へのデプロイなど、どのような場面で支援が必要な場合でも、サポートによって遅延を減らし、開発をよりスムーズに進められます。