Gemini Omni FlashとVeo 3.1はどちらもGoogle DeepMindから提供されています。720pでは、1秒あたりの料金は同じです。両者は同じ製品ではありません。
Veo 3.1 は、映画的なワンショット品質、4K 出力、そして最大 140 秒までのシーン拡張に最適化された、専用の動画生成モデルです。Gemini Omni Flash は、たまたま動画も生成できるマルチモーダルシステムであり、その最大の強みは会話形式の編集です。つまり、最初から再生成することなく、自然言語を使ってクリップを洗練できます。
Googleは意図的に両方を並行して提供しています。このガイドでは、それぞれの得意分野、実際のコスト、そしてどちらを選ぶべきかを解説します。
簡単な仕様
Gemini Omni Flash | Veo 3.1 | |
|---|---|---|
Type | マルチモーダル汎用モデル | 動画専用モデル |
Max resolution | 720p | 最大4K（アップスケール経由） |
Duration per clip | 最大10秒 | 4、6、または8秒 |
Scene extension | 非対応 | 最大20回の延長（合計約140秒） |
Native audio | はい | はい、空間オーディオ対応 |
Conversational editing | はい（複数ターン） | いいえ（プロンプトごとに再生成） |
Reference images | 最大5枚の写真 | 最大3枚の写真 |
Frame control | なし | 最初のフレーム、最後のフレーム、または両方 |
Model tiers | 1（プレビュー） | 3（Lite、Fast、Standard） |
API status | プレビュー（段階的に展開中） | 安定版、ドキュメント化済み |
Watermark | SynthID + C2PA | SynthID + C2PA |
Veo 3.1は2025年10月にリリースされ、Lite階層は2026年3月に追加されました。Omni Flashは2026年5月19日のGoogle I/Oで（消費者向けに）リリースされ、2026年6月30日にAPIアクセス（developer preview）を取得しました。
料金比較
両方のモデルは動画出力の秒数ごとに課金されますが、価格体系は異なります。
Veo 3.1（秒単位）
ティア | 720p | 1080p | 4K |
|---|---|---|---|
Lite | $0.05 | $0.08 | — |
Fast | $0.10 | $0.12 | $0.30 |
Standard | $0.40 | $0.40 | $0.60 |
Gemini Omni Flash
コンポーネント | 価格 |
|---|---|
入力トークン | $1.50 / 1M tokens |
テキスト出力（thinking を含む） | $9.00 / 1M tokens |
動画出力 | $17.50 / 1M tokens |
1秒あたりの実効料金（720p） | ~$0.10 |
毎秒5,792の動画出力トークンで、Omni Flashの720p動画コストは約$0.10/秒であり、720pのVeo 3.1 Fastと同じです。
隠れたコスト：思考トークン
Omni Flash は、動画と並行してテキスト出力（thinking tokens を含む）を生成します。これらは video token cost とは別に、$9.00/M で課金されます。会話コンテキストを伴う一般的な 10 秒の生成では、thinking のオーバーヘッドにより、クリップごとに約 $0.02–0.05 が追加されます。
1つのクリップではわずかです。しかし、大規模に — 1日あたり数千回の生成では — 動画コストに5〜15%上乗せされます。
クリップあたりのコスト
シナリオ | Omni Flash | Veo 3.1 Fast | Veo 3.1 Lite |
|---|---|---|---|
8秒 720p、単一ショット | ~$0.83 | $0.80 | $0.40 |
8秒 1080p、単一ショット | 該当なし（720pのみ） | $0.96 | $0.64 |
8秒 720p、正しくするまで3回の反復 | ~$0.85 (edit) | $2.40 (3x regen) | $1.20 (3x regen) |
60秒の動画（シーン拡張） | 未対応 | $6.00 (Fast 720p) | $3.00 (Lite 720p) |
3行目でモデルの違いが現れます。Veo 3.1では、クリップの微調整は完全な再生成を意味します — 3回の試行 = コストは3倍です。Omni Flashでは、会話形式の編集によって既存のクリップが修正されるため、反復にかかるコストはフル生成のごく一部で済みます。
ビデオ品質
単発生成の品質、つまり照明、構図、動きの一貫性においては、Veo 3.1 Standard のほうが優れたモデルです。 かなり簡素なプロンプトでも、Veo 3.1 はより映画的な見た目の出力を生成する傾向があり、デフォルトの照明やカメラの挙動もより優れています。
Omni Flash は、Google が「磨きよりも正確さ」と呼ぶものを優先します。つまり、物理的な正確さ、キャラクターの同一性の維持、そしてやり取りを重ねても編集の忠実さを保つことです。ビジュアル出力は良好ですが、単発のヒーローショットとしては最高峰ではありません。
参考までに、現在のAI動画モデルの状況では、Veo 3.1 Standard と Seedance 2.0 は、一般的に生の出力品質において最上位と見なされています。
解決策
これは最も顕著な違いです。Veo 3.1 はネイティブで 1080p を生成し、4K にアップスケールします。Omni Flash の最大解像度は 720p です。
ソーシャルメディア（Shorts、Reels、TikTok）では、720pで十分です。制作、商用、または大画面での利用ケースでは、720pは論外であり、Veo 3.1が唯一のGoogleの選択肢です。
オーディオ
どちらもデフォルトで同期されたオーディオを生成します。Veo 3.1には優位性があります。左から右へ車が通り過ぎるとステレオ音場を横切って移動しているように聞こえる、三次元サウンドをシミュレートする空間オーディオです。2026年7月時点で、これに匹敵する主要モデルは他にありません。Veo 3.1は48kHzでも出力し、業界標準より高いです。
Omni Flash の音声は同期されていますが、現在は空間的な位置付けがありません。
編集：核となる差別化要因
会話による編集は、Omni Flashの際立った機能であり、Veo 3.1よりもこれを選ぶ主な理由です。
仕組み: クリップを生成した後、自然言語で変更内容を記述します — 「空をもっとオレンジにして」「カメラのパンを遅くして」「キャラクターのジャケットを青に変えて」。各編集は、最初から再生成するのではなく、前の状態を基に重ねられます。キャラクターのアイデンティティ、物理状態、シーンのコンテキストは、ターンをまたいで保持されます。
なぜ重要か: Veo 3.1（およびほとんどの他の動画モデル）では、クリップをうまく仕上げるには、より良いプロンプトを書くことと完全に再生成することが必要です。試行するたびに、1秒あたりの全額がかかります。Omni Flash では、低コストの反復を通じて、望む結果に収束させられます。
本質的に反復的なワークフロー――広告、ストーリーボード作成、製品デモ、ブランドの一貫性が重要なソーシャルコンテンツ――においては、これによりコストと時間の両方を大幅に削減できます。
Omni Flash がまだできないこと:
マスク付き／領域編集は順次提供されていますが、すべてのユーザーが利用できるわけではありません
シーン拡張はありません（クリップを連結してより長いシーケンスにすることはできません）
クリップごとの最大長は10秒です
継続時間とシーンの拡張
Veo 3.1はシーン拡張をサポートしています。8秒のシードクリップから最大20回の拡張を連結し、合計140秒を超える動画を生成できます。各拡張では、最後の24フレームを分析して、キャラクターの位置、照明、動きの連続性を確認します。
Omni Flash は、クリップごとに 10 秒に制限されており、延長機能はありません。10 秒を超えるものについては、現在のところ Veo 3.1 が Google の唯一の選択肢です。
API対応の準備状況
Omni Flash | Veo 3.1 | |
|---|---|---|
モデルID |
|
|
ステータス | プレビュー、順次展開中 | 安定版、ドキュメントあり |
ティア | 1 | 3（Lite / Fast / Standard） |
価格 | 公開済み | 公開済み |
Batch/priority | 利用不可 | 記載なし |
Veo 3.1 は 2025 年後半から本番運用されており、安定したエンドポイント、文書化されたエラー処理、そして品質とコストのトレードオフに応じた 3 つの価格帯が用意されています。Omni Flash の API は 2026 年 6 月 30 日に公開され、現在もプレビュー段階です。利用は可能ですが、プレビュー表記に伴う注意点があります。
信頼性の保証が必要な本番システムでは、現時点では Veo 3.1 のほうがより安全な選択です。プロトタイピングや、会話形式の編集が明確な価値をもたらすワークフローでは、Omni Flash を今すぐ組み込む価値があります。
どちらのモデルも、Gemini API、Google AI Studio、Vertex AI から利用できます。Google の動画モデルをサポートする サードパーティ API アグリゲーター は、すでに複数のプロバイダーを利用している場合、アクセスを簡素化できます。
Veo 3.1 を使うタイミング
高解像度出力 — 720pを超えるもの。Veo 3.1は1080p/4Kの唯一の選択肢です。
10秒を超える動画 — シーン拡張により2分を超えるクリップが可能です。
ワンショットのシネマ品質 — 洗練されたヒーロークリップが必要で、プロンプトがよく練られている場合。
低コストでの大量生成 — $0.05/秒（720p）のVeo 3.1 Liteは、Googleの動画オプションの中で最も安価です。
空間オーディオ要件 — 3D音響位置はVeo専用です。
本番APIの安定性 — 確立されたエンドポイント、文書化されたエラー動作、3段階の料金体系。
Gemini Omni Flash を使用するタイミング
反復的なワークフロー — 広告、ストーリーボード、ソーシャルコンテンツなど、調整や改善が必要な場合。
ショット間のキャラクター一貫性 — プロンプトベースの参照一致だけでなく、モデルレベルでのアイデンティティ保持。
マルチモーダル入力 — テキスト、画像、音声、動画を生成入力として組み合わせること。
コストを意識した反復 — 代替案が最初から3〜5回再生成することになる場合。
迅速なプロトタイピング — 探索的な作業では、会話形式の編集はプロンプトエンジニアリングよりも速い。
ユースケース別ルーティング
ユースケース | 推奨モデル | 理由 |
|---|---|---|
ソーシャルメディア向けクリップ（Shorts/Reels） | Omni Flash | 720pで十分、反復編集で時間を節約できる |
製品デモ / 広告 | Omni Flash → Veo 3.1 final | Omniで編集し、最終レンダリングはVeoで品質を確保 |
シネマティック短編映画 | Veo 3.1 Standard | 4K、空間オーディオ、シーン拡張 |
Eコマース製品動画 | Veo 3.1 Lite or Fast | 大量制作、コスト重視、単発で十分 |
ストーリーボード / コンセプト動画 | Omni Flash | 洗練よりもスピードと反復を重視 |
長尺コンテンツ（>10s） | Veo 3.1 | シーン拡張、代替なし |
いくつかのチームは両方を使います。コンセプト作成と反復にはOmni Flashを、最終レンダリングにはVeo 3.1を使います。これらのモデルは競合するというより、互いを補完し合います。
今後の予定
Google は Gemini Omni Pro を発表しました。これは Omni アーキテクチャのより高性能なバージョンですが、リリース日は未定です。Omni Flash の現在の制限（720p 上限、シーン拡張なし、プレビュー API）は今後変更される可能性が高いものの、時期は不明です。
今のところ、プロダクション向けには Veo 3.1 を基盤として構築し、編集ワークフローには Omni Flash を試してみるのが現実的なアプローチです。Google の video models を使用するシステムを設計しているなら、後から相互に切り替えられるように model layer を抽象化しておくことは、わずかな初期投資に見合う価値があります。
よくある質問
Gemini Omni Flash は Veo 3.1 に取って代わるのですか?
いいえ。Googleは両方を並行して提供しています。Geminiアプリ内では、サブスクライバー向けのデフォルトの動画バックエンドとしてOmni FlashがVeoに置き換わっていますが、Veo 3.1 APIは引き続き完全にサポートされており、終了予定日は発表されていません。両者は異なる用途を担っています — Omni Flashは編集中心のワークフロー向け、Veo 3.1は品質重視の生成向けです。
どちらの方が動画品質が優れていますか？
Veo 3.1 Standardは、よりシネマティックなデフォルトの美学を備えた、より高品質な単発出力を生成します。また、1080p/4Kにも対応していますが、Omni Flashは720pに制限されています。単一クリップでの純粋な映像品質では、Veo 3.1が勝ります。
Gemini Omni Flash は Veo 3.1 より安いですか？
720pでは、どちらも1秒あたり約$0.10です（Omni Flash と Veo 3.1 Fast）。Veo 3.1 Lite は $0.05/sec とさらに安価です。ただし、何度も再生成する必要がある反復的なワークフローでは、Omni Flash の対話型編集により、完全な再生成を避けられるため、総コストを抑えられる場合があります。
Gemini Omni Flash は 4K ビデオを生成できますか?
現時点ではありません。Omni Flashの出力は720pのみです。4Kについては、Veo 3.1がGoogleの唯一の選択肢です。これはネイティブの1080p生成に加え、1クリップあたり追加$0.50で4Kへのアップスケーリングが可能です。
Gemini Omni Flashの動画の長さはどのくらいですか？
各クリップは最大10秒で、シーン拡張はありません。Veo 3.1は4〜8秒のクリップをサポートし、シーン拡張を連鎖させることで合計約140秒まで対応します（20回の拡張）。
Gemini Omni FlashにはAPIがありますか？
はい、2026年6月30日以降です。モデル ID は gemini-omni-flash-preview です。Gemini API、Google AI Studio、Vertex AI で利用できますが、まだプレビュー状態です。Veo 3.1 の API はより成熟しており、安定したエンドポイントと3つの料金プランがあります。
どのモデルの音声が優れていますか？
どちらも同期された音声をネイティブに生成します。Veo 3.1 は、空間オーディオ（3D 音声定位）と 48kHz 出力で優位性があります。Omni Flash は同期された音声を生成しますが、空間定位はありません。
同じプロジェクトで両方のモデルを使用できますか？
はい。一般的なワークフローとしては、Omni Flash をコンセプト作成や反復編集に使い、その後、より高品質で高解像度の最終出力を Veo 3.1 でレンダリングします。どちらも同じ Google API インフラストラクチャを通じて利用でき、統合 API プラットフォームにより、それらの間のルーティングは簡単です。
eコマースの商品動画にはどちらが適していますか？
Veo 3.1、特にLite（$0.05/sec）またはFast（$0.10/sec）プラン。Eコマース動画は通常、明確に定義されたプロンプトを使ったワンショット形式であり、会話的な編集は必要ありません。また、大量制作ではクリップごとの低コストが重要です。Veo 3.1のより高い解像度オプションは、製品の細部をよりよく見せることもできます。
Gemini Omni Proとは何ですか？
Omniアーキテクチャの、発表済みだが未リリースの高性能版です。リリース日、価格、詳細な仕様は公開されていません。Googleが具体的な提供時期を示すまでは、Omni Proの利用可能性を前提に本番システムを構築するのは推奨されません。