Gemini Omni 1.1 Flash

ポジショニング概要

Gemini Omni 1.1 Flash は、Google が動画生成・編集シーン向けに提供するマルチモーダルモデルで、HiAPI.ai 上では統一インターフェースを通じて呼び出します。同一の経路でテキストからの動画生成、画像からの動画生成、参照画像からの動画生成、動画編集をカバーし、自然言語の指示で既存クリップの修正やシーンの延長ができ、さらに先頭フレームと末尾フレームでカメラの動きやトランジションを制御できます。出力時間は 4〜10 秒、解像度は 360p から 4k まで選択可能で、頻繁に下書きを出し、多段階の反復を行い、生成と編集のフローを統一したい開発者やコンテンツチームに適しています。

主な特長

• 生成と編集を同一モデルで統一——テキスト生成、画像生成、参照生成、動画編集が同じ呼び出し経路を共有し、複数モデル間の切り替えコストを削減します。
• 低解像度の下書きから 4K までの段階的フロー——まず 360p で素早く試作と反復を行い、方向性を確認してから 720p、1080p、4k で本番出力でき、効率と最終品質を両立します。
• 先頭・末尾フレームによるカメラの動きの制御——先頭フレームと末尾フレームの画像を設定するだけで、カメラの走向とトランジションを制約でき、物語クリップの動きをより制御しやすくします。
• 参照素材を生成に活用——最大 7 枚の画像を参照として渡すことができ、動画入力と先頭フレーム設定は排他的で、入力条件の境界が明確です。

機能説明

多様な動画生成方式：テキストからの生成、画像からの生成、参照画像からの生成、動画から動画への変換という 4 種類のタスクをサポートし、開発者は素材の条件に応じて入力方式を選択でき、出力は統一されて動画アセットとなります。

自然言語による動画編集：prompt で修正意図を記述するだけで、既存の動画の再描画や調整が可能で、生成フロー全体を組み直す必要はありません。

シーンの延長：既存の動画クリップを入力として渡すと、それを土台に内容を続けて書き、より長い連続した物語を構築できます。

先頭・末尾フレームによるカメラ制約：first_frame_url と last_frame_url を併用すると開始画面と終了画面を固定でき、カメラの動きとトランジションのテンポを制御できます。

解像度とアスペクト比を選択可能：解像度は 360p、720p、1080p、4k に対応し、アスペクト比は 16:9 と 9:16 に対応しており、横長画面と縦長画面の配信に適応しやすくなっています。

適用シーン

• クリエイティブチームによる動画下書きの迅速な作成——スクリプトや先頭フレーム画像を入力し、360p の低解像度で複数バージョンの下書きを素早く生成し、脚本レビューや方向性の選定に利用します。
• 広告・ソーシャルコンテンツ制作——参照画像と prompt で 16:9 または 9:16 のクリップを生成し、確認後に高解像度へ拡大して配信素材に使用します。
• 既存素材の修正と続きの作成——既存の動画を入力とし、自然言語の指示で画面を修正したりクリップを延長したりして、完成品のポストプロダクション調整に利用します。
• 正確なトランジションが必要な物語クリップ——先頭・末尾フレームを設定してカメラの開始と終了を制約し、動きを制御した映画的なクリップを生成して絵コンテのプレビズに利用します。

制限と選定のアドバイス

モデルの 1 回の出力量は 4〜10 秒に限定され、より長い内容は分割生成してから結合する必要があります。360p の結果は下書き向きで、完成品として直接使用するのは適切ではありません。先頭フレーム画像を渡す場合、これ以上画像や動画の入力を重ねることはできず、last_frame_url は必ず first_frame_url と併用する必要があり、入力の組み合わせには制約があります。Flash は速度と反復効率に重心を置いた位置づけのため、画質への要求が厳しいタスクやより長い単一セグメントの時間が必要な場合は、選定時に他のモデルを評価し、実際のテスト結果を基準にしてください。