何が発表されたか
Googleが新ファミリー「Omni」の第1弾となる「Gemini Omni Flash」を、開発者・法人向けAPIとして提供開始しました。2026年5月のGoogle I/Oで一般向けに披露されたものの、これまでプログラム経由では使えず、業務組み込みができない状態が続いていました。今回のAPI解放で、事業側が自社アプリやワークフローに組み込めるようになります。
Omniはこれまで別々だった「LLMスクリプト」「テキスト→画像」「画像→動画」「リップシンク」「音声生成」の5工程を1モデルに統合しています。テキスト・画像・動画を入力すると、音声同期済みのMP4が返る構成です。参照画像は最大7枚、参照動画は3秒以下×最大3本まで扱え、商品写真・ブランドロゴ・ロケーションを一貫して持ち込めます。
「会話で編集する」という新しい操作系
最大の変更点は、新しい「interactions API」によるステートフルな多ターン編集です。「衣装を変えて」「照明を夕方に」「構図を寄せて」といった指示を積み重ねられ、その都度ゼロから作り直す必要がありません。1回の編集は都度課金される新規生成ですが、文脈が保持されることで無駄な再生成が減る、という設計です。
スペックと価格の位置づけ
解像度は720p固定（1080p・4K非対応）、長さは3〜10秒、アスペクト比は16:9か9:16。長尺は分割生成して後で繋ぐ必要があります。価格は720pで秒0.10ドル、10秒あたり約1ドル。同社のVeo 3.1（720pで秒0.40ドル）を4分の1に抑える一方、Veo 3.1 Lite（秒0.05ドル）の倍という中間帯です。ベンチマークではLMArenaのText-to-Video Arenaで1527点、1位となっています。
安全設計とディープフェイク対策
全出力にSynthID電子透かしとC2PA Content Credentialsが付与されます。静止画の人物写真に音声をリップシンクさせる操作は明示的に拒否する一方、実写映像の別言語吹き替えは可能で、グローバル研修動画のローカライズを想定しています。看板や標識の多言語書き換えも売りですが、複雑な場面ではフレーム間で元言語に戻る不安定さが残ります。
💼 事業会社視点：これは自社にどう効くか
日本企業が真っ先に検討すべきは、研修・マニュアル動画とEC商品LP動画のローカライズ／量産です。10秒約1ドル・720pという価格帯は、これまで1本数万〜数十万円の外注が発生していたECのバリエーション動画（色違い・シーン違い・地域別）をほぼ試作コストで回せる水準に落とし込みます。ブランドロゴや商品写真を参照として持ち込めるため、SaaS各社のプロダクト説明動画やD2C事業者の広告クリエイティブ検証も現実的です。
一方、経営視点で見落としてはならないのは**「10秒・720pの壁」**です。長尺・高解像度が要る採用動画やIR動画、放送素材はVeo 3.1（4Kで秒0.60ドル）や他社に振り分けるべきで、Omni Flashは「A/B検証用の高速試作」「多言語化」「SNS短尺」に用途を絞る運用設計が要ります。受託開発・制作会社は、単価下落を織り込みつつ、編集フローを会話UIに載せ替えるコンサル・伴走へ収益源を移す判断が問われます。人物のディープフェイク生成が封じられている点は、社内利用ガイドラインを更新する好機です。