Gemini Omni 1.2 vs 1.1 Flash:15秒のクリップに対応、会話シーンの勝手なカット割りもなくなった

Gemini Omni 1.2 と 1.1 Flash を同じプロンプトで比較。ワンカットの FPV ショット、2人の会話シーン、15秒のクリップ、価格まで。本当に良くなったのはどこかを確かめました。
11月5日、Google は Gemini Omni 1.2 Flash の一般提供を始めました。発表にはアップグレードがずらりと並んでいます。最長15秒のクリップ、参照画像へのより忠実な追従、より自然なセリフとリップシンク、長いカメラワークでの不要なジャンプカットの減少、そして 1.1 より約30%安い価格。いちばん重要な一文は開発者向けの変更履歴にありました。12月3日以降、Omni 1.1 へのリクエストはすべて自動的に 1.2 へ振り向けられます。
つまり 1.1 はもうカウントダウンに入っています。ZOOOP は待ちませんでした。Gemini Omni 1.2 Flash の公開と同時に 1.1 の提供を終了し、以前の 1.1 のページは今は 1.2 にリダイレクトされます。止める前に、同じプロンプトを両方のバージョンで流して、アップグレードが実際にどこに表れるのかを確かめました。
Gemini Omni 1.2 で変わったこと
まずはスペックから。AI ビデオジェネレータを開けばすぐに確認できます。
- 長さ:3〜10秒から3〜15秒へ。1秒単位で選べます。終了フレームを使う場合の上限は10秒です。
- 編集:元動画は10秒までだったのが、15秒まで使えるようになりました。
- 延長:元動画の長さの制限がなくなりました。モデルは最後の10秒を読み取り、そこから3〜10秒続けます。
- 変わらない点:アスペクト比は16:9と9:16のみ、解像度は360pから4K、音声は常にオン。方向づけはできてもオフにはできません。参照画像は最大10枚、参照動画は各3秒のものを最大3本までです。
価格については、ZOOOP では Gemini Omni 1.2 の秒単価はどの解像度でも 1.1 のときと同じです。
テスト方法:2つのプロンプト、2つのバージョン
プロンプトは2本。Google が特に改善したと言っている部分を狙いました。1本目はワンカットの FPV ドローンショット。夜明けの霧がかかった湖の上を低く滑るように飛び、2本の松の間をすり抜け、小屋の屋根を越えて、その奥の雪をかぶった山々を見せる。プロンプトには「カットなし」と明記しました。2本目は2人の会話シーン。コーヒーショップで、巻き毛のバリスタがラテを手渡しながらひと言話し、グレーのコートを着た客が答える、というものです。どちらも720p、6秒、16:9です。
違い1:ワンカットのカメラワークは引き分け
ここは 1.2 が楽勝だろうと思っていました。ところが、どちらもよくできていました。両方のクリップにフレーム単位でシーン検出をかけましたが、どちらにもハードカットはありません。フレーム間の変化がいちばん大きいところでも、普通のカメラの動きの範囲です。

違いは飛行ルートです。1.1 は湖岸から小屋の正面まで飛び、そこから屋根の真上へと上昇します。1.2 は実際に2本の松の間を抜け、最後はより高く上がって、雪をかぶった峰々と谷にたまった雲海まで見せてくれます。こちらのほうがプロンプトに近いです。風景の長回しが必要なら 1.1 でも十分こなせていました。1.2 は指示に少しだけ素直になった、という程度です。
違い2:会話シーンで 1.2 は勝手にカットしなくなった
差がいちばんはっきり出たのがここです。
1.1 は切り返しで撮りました。バリスタがカップを渡すミディアムショットから始まり、4.6秒で客のクローズアップにハードカットします。編集としておかしくはありませんし、実写でもよくある割り方です。ただ、プロンプトが求めていたのはミディアムショット1つで、カットの後はバリスタがフレームから外れてしまいます。Gemini Omni 1.2 は最初から最後までツーショット1つのまま。2人ともずっとフレームに収まり、カップを渡す、受け取る、言葉を交わす、がすべて1つの連続したショットの中で起こり、動きも自然につながっています。


ひとつだけ 1.1 が勝った点もあります。プロンプトは「グレーのコート」と指定していて、1.1 はちゃんとグレーにしました。1.2 のクリップのコートは黒に近いほど暗い色です。どちらのクリップにもセリフとコーヒーショップの環境音が入っていますが、セリフを一語ずつ書き起こしてはいないので、リップシンクがどちらが上かは判定しません。
違い3:15秒あれば、ひとまとまりの流れを描ける
10秒から15秒へ。たった5秒増えただけに聞こえますが、使い方が変わります。10秒だとたいていアクション1つ分です。15秒なら導入、見せ場、締めまで入るので、SNS 広告をつなぎ合わせる必要がなくなります。公開前のテストでは15秒の縦型クリップを1回の生成で作りましたが、音声は最初から最後まで途切れず、目に見えるつなぎ目もありませんでした。
長めのクリップで気をつけたい点がひとつ。開始/終了フレームからの動画生成は、終了フレームを入れると今も上限が10秒で、11秒以上を選ぶと終了フレームの枠がロックされます。
速度と価格
速度はほぼ同じです。今回の720p・6秒のテストでは、どちらのバージョンも約50秒で仕上がりました。秒単価は 1.1 と同じで、1.1 はすでに提供終了しているので、旧バージョンに留まる理由もありません。
結論:1.2 を使えばいい
今回のアップグレードで効いてくるのは2つ。最長15秒のクリップと、勝手にカットしなくなった会話シーンです。秒単価はこれまでと同じです。ワンカットの風景のカメラワークは 1.1 でもすでに良く、1.2 はプロンプトに少し忠実になっただけです。
1.1 でまとめて動画を作っていて、ショットを追加する必要がある場合、Gemini Omni 1.2 では服の色など細かいスタイルの違いが出ることがあるので、プロンプトは具体的に書きましょう。既存のクリップのスタイルを変えるならビデオを編集、クリップを続けるならビデオを延長を使ってください。どちらもすでに 1.2 で動いています。
よくある質問
Gemini Omni 1.1 はまだ使えますか?
ZOOOP では 1.1 の提供を終了しており、そのページは 1.2 にリダイレクトされます。Google も12月3日から、1.1 へのリクエストをすべて自動で 1.2 に振り向けます。
Gemini Omni 1.2 のクリップは最長何秒ですか?
テキストから動画、参照から動画、開始フレームからの生成は3〜15秒です。終了フレームを使う場合は最長10秒です。
Gemini Omni 1.2 の音声はオフにできますか?
できません。音声は常に生成されます。「セリフなし」「BGMなし」のようなプロンプトで方向づけるか、生成後にミュートしてください。
1.2 は 1.1 より高いですか?
いいえ。ZOOOP では、Gemini Omni 1.2 の秒単価はどの解像度でも 1.1 のときと同じです。





