New: GPT Image 2.6 が KIE で利用可能になりました →

README

Gemini Omni 1.2 Flash API：15秒動画とネイティブ音声に対応

Gemini Omni 1.2 Flashは、テキスト、画像、動画から、同期した音声、音楽、効果音付きの動画を生成・編集します。Googleによると、最大15秒のクリップを生成でき、複数ターンの対話を通じて同じクリップを調整できるほか、ショット間で顔、製品、ブランドカラーの一貫性を維持します。出力は16:9または9:16で、360pのドラフトから4Kのアップスケールまで対応しています。
Gemini Omni 1.2 Flash API：15秒動画とネイティブ音声に対応

Gemini Omni 1.2 Flashの新機能

Googleは2026年11月5日、Gemini Omni 1.1 FlashのアップデートとしてGemini Omni 1.2 Flashをリリースしました。Googleが説明している変更点は以下のとおりです。
最大15秒のクリップと編集
01

最大15秒のクリップと編集

Googleによると、生成と編集はGemini Omni 1.1 Flashの10秒から最大15秒に拡大されました。長さは3秒から15秒まで1秒単位で設定できます。このモデルは動画モデルであるGemini Omniファミリーの一部です。
マルチターンの対話型編集
02

マルチターンの対話型編集

最初からやり直すのではなく、製品や背景の差し替え、照明、天候、カメラアングル、アスペクト比の変更など、ターンごとに同じクリップを調整できます。Googleによると、15秒のクリップ全体にわたって編集が機能します。
より忠実なリファレンス追従
03

より忠実なリファレンス追従

Googleによると、このモデルはショットやカメラアングルをまたいで顔、衣服、パッケージのタイポグラフィ、ブランドカラー、製品、キャラクターの一貫性を維持し、開始・終了フレーム補間やクリップ延長における視覚的なズレやモーフィングを抑えます。
ネイティブ音声、セリフ、リップシンク
04

ネイティブ音声、セリフ、リップシンク

すべてのクリップに、同期した音声、音楽、効果音を含めることができます。Googleによると、セリフはより自然に聞こえ、リップシンクはより鮮明になり、モデルは複数の話者を明確に区別します。
カメラの動きとマルチショットシーケンス
05

カメラの動きとマルチショットシーケンス

Googleによると、FPVフライスルー、ズームアウト、オービットにおいて、1.1 Flashよりも意図しないジャンプカットが減少しています。Google自身のデモでは、1つのスタイルフレームから4ショット・15秒の解説動画を構築しています。
低解像度でドラフトを作成し、ベストテイクをアップスケール
06

低解像度でドラフトを作成し、ベストテイクをアップスケール

出力解像度は360p、720p、1080p、4Kです。Googleが推奨するワークフローは、360pまたは720pでドラフトを作成し、選択したテイクを1080pまたは4Kにアップスケールする方法です。

Gemini Omni 1.2 Flashの仕様

Googleが公開しているgemini-omni-1.2-flashの仕様です。Kie.ai独自のパラメータ名は、モデルの統合時に掲載されます。

SpecificationGemini Omni 1.2 Flash
モデルID（Google）gemini-omni-1.2-flash
Tasksテキストから動画生成、画像から動画生成、リファレンスベース動画、開始・終了フレーム動画、動画編集、動画延長、アップスケール、サウンド生成
クリップの長さ3秒から15秒まで1秒単位、開始・終了フレームモードでは3秒から10秒まで
動画延長入力動画に3秒から10秒を追加
Resolutions360p、720p、1080p、4K
アスペクト比16:9, 9:16
画像入力プロンプトあたり最大10枚（PNG、JPEG、WEBP、HEIC、HEIF）
動画入力プロンプトあたり最大3本（MP4、MOV、WEBMおよびその他の一般的な形式）、編集とアップスケールは最大15秒の動画に対応
モーションリファレンス最大3秒の短いクリップ
Audio音声、音楽、効果音を生成（音声は汎用的な入力としては非対応）
リクエストあたりの出力数1
Provenanceすべての出力に不可視のSynthID透かしを適用、C2PA Content Credentialsに対応

Gemini Omni 1.2 Flashの使い方

このGemini Omni 1.2の動画生成ワークフローは、ドラフト作成後にアップスケールするGoogleのガイダンスおよび公開されているモデルの機能に基づいています。
  1. 1

    ステップ1：360pまたは720pでドラフトを作成

    テキストプロンプト、スタイルフレーム、またはリファレンス画像から短い低解像度のテイクをいくつか生成し、構図と動きが最適なものを選択します。
  2. 2

    ステップ2：リファレンスを固定

    プロンプトに製品ショット、キャラクター画像、パッケージ（最大10枚の画像）や短いモーションクリップを追加し、ショットやドラフト間で顔、タイポグラフィ、ブランドカラーの一貫性を保ちます。
  3. 3

    ステップ3：対話形式で段階的に調整

    選択したクリップを1ターンずつ編集し、ゼロから再生成することなく、背景、照明、天候、カメラアングルの変更や、16:9と9:16の切り替えを行います。
  4. 4

    ステップ4：延長とアップスケール

    シーンを長くする必要がある場合は確定したテイクを3〜10秒延長し、最大15秒の最終クリップを1080pまたは4Kにアップスケールします。

Gemini Omni 1.2 Flashで構築できるもの

このモデルを初めて使う場合は、まずGemini Omni 1.2 Flashとは何かをご確認いただくか、Seedance 2.5との比較をご覧ください。

製品と広告のバリエーション

同じ製品、パッケージのタイポグラフィ、ブランドカラーを維持したまま、配置先ごとに背景、照明、アスペクト比を切り替えられます。

解説動画とマルチショットストーリー

Googleの公式デモのように、1枚のスタイルフレームから最大15秒のマルチショットシーケンスを構築できます。Googleによると、オービットやズームアウトなどのカメラワークで発生する意図しないジャンプカットが1.1 Flashよりも減少しています。

セリフを話すキャラクター

同じクリップ内で、音楽や効果音とともに話すキャラクターを生成できます。Googleによると、1.2 Flashはより自然なセリフと鮮明なリップシンクを実現し、複数の話者を明確に区別します。

動画の編集とスタイル変更

最大15秒の既存映像に対して、製品や背景の差し替え、天候の変更、クリップ全体のスタイル変更といった編集を行い、その結果を延長またはアップスケールできます。

Kie.aiでのGemini Omni 1.2 Flash

01

Kie.aiでは現在未提供

Gemini Omni 1.2 FlashはGoogleから一般提供されていますが、Kie.aiにはまだ統合されていません。統合され次第、このページにKie.aiのパラメータと料金を掲載します。
02

今すぐGemini Omni 1.1 Flashで構築を開始

現在、Kie.aiのGemini Omni 1.1 Flashを使って動画パイプラインを開始できます。このモデルは最大10秒のクリップを生成するため、今すぐ構築を始めつつ、1.2で追加されるより長いクリップや対話形式での編集に備えることができます。
03

1つのキーでKie.aiマーケット全体を利用

Kie.aiマーケット内のすべてのモデルは同じ認証方式を採用しており、Kie.aiのAPIキー管理ページで取得したキーをAuthorization: Bearer YOUR_API_KEYヘッダーに指定します。
04

ホスティング不要

Kie.aiはモデルをAPIとして提供するため、GPUやモデルの重みを管理する必要はありません。

よくある質問

Gemini Omni 1.2 Flashは1.1 Flashと比べて何が新しくなりましたか？

Googleによると、1.2 Flashは生成と編集の長さを10秒から15秒に延長し、マルチターンの対話型編集に対応したほか、リファレンスをより忠実に反映し、セリフとリップシンクを向上させ、意図しないジャンプカットを抑えてカメラワークを処理します。またGoogleは、1.1 Flashよりも低コストであるとしています。

Gemini Omni 1.2 Flashの動画は最大何秒ですか？

生成および編集されるクリップは1秒単位で3〜15秒、開始・終了フレーム指定のクリップは3〜10秒です。動画延長では、入力動画に3〜10秒を追加できます。

どの解像度とアスペクト比に対応していますか？

16:9または9:16で、360p、720p、1080p、4Kの出力に対応しています。Googleは、360pまたは720pで試作し、選んだテイクを1080pまたは4Kにアップスケールすることを推奨しています。

Gemini Omni 1.2 Flashは音声を生成しますか？

はい。複数話者のリップシンク付きセリフを含め、動画と同期した話し声、音楽、効果音を生成します。音声は通常の入力としては受け付けていません。

どのような入力を送信できますか？

テキストプロンプトのほか、1プロンプトあたり最大10枚の画像（PNG、JPEG、WEBP、HEIC、HEIF）と最大3本の動画を送信できます。最大3秒の短いクリップをモーションリファレンスとして利用できるほか、編集とアップスケールでは最大15秒の動画を受け付けます。

Gemini Omni 1.2 FlashはKie.aiで利用できますか？

まだ利用できません。GoogleはGemini APIおよびGemini for businessで一般提供を開始していますが、Kie.aiにはまだ統合されていません。現在、Kie.aiではGemini Omni 1.1 Flashを利用して開発できます。

Kie.aiでのGemini Omni 1.2 Flash APIの料金はいくらになりますか？

Kie.aiではGemini Omni 1.2 Flashの料金はまだ設定されておらず、モデル統合時にこのページへ掲載されます。Googleによると、このモデルはGemini Omni 1.1 Flashよりも低い価格設定となっています。

Gemini Omni 1.2 Flashの動画には透かしが入りますか？

はい。Googleはすべての出力に目に見えないSynthIDの透かしを追加しており、C2PA Content Credentialsにも対応しています。

このモデルの既知の制限事項は何ですか？

Googleによると、激しいスポーツの動き、素早いシーン展開、複雑な物理挙動の処理については現在も改善を続けているとのことです。またGoogleは、現時点で動画内の人物の発話を編集することを制限しています。