KovAPIKovAPI
動画生成 ● 正常 サービス状態 →
gemini-omni-1.2-flash

Gemini Omni 1.2 Flash は Google が 2026 年 11 月に公開した動画生成・編集モデルです。テキストから動画、最初のフレーム、最初と最後のフレーム、参照画像、動画編集を 1 つの API で扱い、映像と一緒にセリフ・効果音・音楽も生成します。KovAPI では gemini-omni-1.2-flash で呼び出し、秒単位で課金します。

オンラインテスト

今すぐ Gemini Omni 1.2 Flash を試す(ログイン後に利用可能)。

入力

0 / 20000 文字
参照画像0 / 5
クリックしてアップロード、またはここにドラッグ jpg / png / webp / gif、1 枚 16MB まで またはリンクを貼り付け
画像なしならテキストから動画。「参照」(既定):1〜3 枚の画像の人物や背景が動画に登場します。「最初/最後のフレーム」:1 枚目が最初、2 枚目が最後のフレーム(最長 10 秒)。元動画を付けると動画編集になり、画像はすべて参照として最大 5 枚まで使えます。プロンプトでは @Image1 / @Image2 で指定できます。
元動画(動画編集)0 / 1
クリックしてアップロード、またはここにドラッグ mp4 / mov、1 本、1〜15 秒・50MB まで またはリンクを貼り付け
元動画を付けると動画編集になります。プロンプトで変更内容を書いてください(例:「夜にして、ほかはそのまま」)。出力は元動画の長さで、元動画の秒数で課金します(上で選んだ長さは使いません。最後の整数秒を超える部分は切り捨て)。最初/最後のフレームとは併用できません。
アップロードした参照素材は 7 日間保存されます。
生成には通常 5〜20 分かかります。バックエンドが混み合っていると 60 分を超えることもあります(120 分経っても結果が出なければタイムアウトとし、全額返金します)。再送信せずジョブ ID をポーリングしてください。再送信するとその都度課金されます。秒単位の課金で、失敗時は全額返金します。 プロンプト上限 20000 文字(中国語も英語も同じく文字数で数えます)。

出力

video
実行後、ここに結果が表示されます。
🕑 生成した画像と動画は7日間保存され、その後自動的に削除されます。必要なものは早めにダウンロードしてください。
できること

一文で動画を編集、文字は正確、長さは 1 秒単位

下のプレビューはどれもこのページのサンプル動画からです。「サンプル全体を見る」で音声付きの元動画・プロンプト・設定を、「関連サンプル」で同じ機能を使ったほかの動画を見られます。

マウスを重ねると再生
動画編集

画風・文字・物を一文で変える

1〜15 秒の動画を video_urls に入れ、何を変えるかを書きます。アニメ調にする、看板の文字だけ変える、何かを消す。触れない部分はできるだけ元のまま残り、参照画像を最大 5 枚付けて加えたいものを指定することもできます。元動画の秒数で課金します。

関連する作例
マウスを重ねると再生
参照画像

人物・商品・パッケージの文字が参照どおりに

参照画像は最大 3 枚で、人物・ペット・商品を 1 枚ずつ担当させます。コーヒー広告ではバリスタとコーヒー袋の 2 枚を使い、動画の人物と袋の文字が参照画像と一致しました。

関連する作例
マウスを重ねると再生
最初のフレームと最初・最後のフレーム

始まりを決める、または始まりと終わりを決める

画像 1 枚を最初のフレームにすれば動画はそこから始まり、2 枚を最初と最後のフレームにすれば間の移り変わりをモデルが作ります。どちらも最長 10 秒です。

関連する作例
マウスを重ねると再生
画面の文字

看板・ナンバープレート・パッケージの文字を正しく

文字を引用符に入れると、Omni はそのとおりに画面へ描きます。街角の動画では看板・店名・ナンバープレートを一度で正しく描けました。編集でそのうち一か所だけを変えることもできます。

関連する作例
マウスを重ねると再生
長さと形式

3〜15 秒を 1 秒単位で、最高 4K

長さは整数秒で自由に選べ、[0-5s] のようなタイムコードで展開を組めます。720P・1080P・4K、横 16:9 か縦 9:16、どの動画にも音声が付きます。

関連する作例
用途

Gemini Omni 1.2 Flash でできること

商品・ブランド広告

商品写真と出演者を参照にすると、パッケージのブランド名や色がカメラの前でも崩れません。セリフと音はプロンプトに書きます。

1 本の素材から複数バージョン

同じ動画の画風・光・文字を、作り直さずに変えられます。広告のバリエーション検証に便利です。

写真を動かす

商品写真・街の写真・イラストを最初のフレームにして、カメラと動作を書けば、その画像から始まる動画になります。

トランジションと情景カット

始まりと終わりの 2 枚で、季節・昼夜・場面のあいだを移り変わるカットを作れます。

縦型の SNS 動画

最初から 9:16 で最高 4K。ショート動画のオープニングや雰囲気カットに。

プリビズと短編

タイムコードで 1 本をいくつかの段に分け、リズムとショットを確かめてから、撮影や仕上げを決められます。

ペットとライフスタイル

ペットや物の写真を参照にして、新しい場面に登場させます。

看板・パッケージ・タイトル

出したい文字を引用符に入れて、店頭・イベント・商品紹介のカットに。

仕様一覧

Gemini Omni 1.2 Flash 仕様一覧

モデル ID
gemini-omni-1.2-flash
エンドポイント
POST https://kovapi.com/v1/videos/generations → GET https://kovapi.com/v1/videos/jobs/{id}
長さ
3〜15 秒の整数で自由に指定。最初のフレーム/最初と最後のフレームは最長 10 秒
解像度
720P / 1080P / 4K
アスペクト比
16:9 / 9:16
参照素材
参照画像は最大 3 枚。最初のフレームは 1 枚、最初と最後のフレームは 2 枚
動画編集
1〜15 秒の元動画 1 本と、参照画像を最大 5 枚。出力は元動画と同じ長さ
プロンプト
≤ 20,000 文字
生成物の保存
7 日間
モードとフィールド

モードと API フィールド

どのモードも model(gemini-omni-1.2-flash)、prompt、resolution、size は共通です。画像は images に入れ、image_role で最初のフレームか参照かを指定します。元動画は video_urls に入れます。プロンプトでは @Image1、@Image2 でアップロード順に画像を指せます。

モード送るもの得られるもの制限
テキストから動画prompt と出力設定だけ。duration は整数秒。テキストから映像・カメラ・音を生成します。セリフ、音楽、効果音はプロンプトに書きます。3〜15 秒。duration を省くと 10 秒。
最初のフレームimages に画像 1 枚。1 枚だけなら既定で最初のフレームです。image_role: first_frame と明示もできます。その画像から始まり、プロンプトの動きとカメラワークで続く動画になります。最長 10 秒。
最初と最後のフレームimages に画像 2 枚と image_role: first_frame。1 枚目が最初、2 枚目が最後のフレームです。1 枚目から 2 枚目へ移る動画です。間の動きとカメラはプロンプトに従います。最長 10 秒。
参照画像images に画像。2〜3 枚なら既定で参照、1 枚なら image_role: reference が必要です。各画像が誰か・何かをプロンプトに書きます。画像の人物・ペット・商品・画風が新しい場面に登場します。どれかのフレームとしては使いません。最大 3 枚、3〜15 秒。
動画編集video_urls に元動画 1 本(mp4 / mov)と、何を変えるかを書いたプロンプト。参照画像も付けられ、@Image1 で指せます。画風の変更、文字の差し替え、物の追加や削除を指示どおりに。プロンプトで触れない部分はできるだけ元のままです。元動画は 1〜15 秒、参照画像は最大 5 枚。出力は元動画と同じ長さで、元動画の秒数で課金します。

入力の組み合わせルール

  • 画像の扱い:1 枚なら既定で最初のフレーム、2〜3 枚なら参照です。1 枚を参照にするには image_role: reference、最初と最後のフレームには 2 枚と image_role: first_frame を指定します。元動画があるときは、画像はすべて参照になります。
  • 編集では duration は使われません。出力は元動画と同じ長さで、最後の整数秒を超える部分は切り捨てます(4.5 秒の動画は 4 秒として編集・課金)。size を省くと元動画の縦横に合わせます。編集では最初と最後のフレームは指定できません。
  • @Image1、@Image2 はアップロード順の番号です。生成では「参照画像1」のような言葉に置き換えてモデルに渡し、編集ではその画像に直接ひも付けます。プロンプトで指していない画像も一緒に渡します。
  • どの動画にも音声が付き、audio: false は受け付けません。不要なものは「No dialogue」「No music」のようにプロンプトへ書きます。negative_prompt と system_prompt は受け付けず、課金もしません。
プロンプト

Gemini Omni 1.2 Flash のプロンプト:Google 公式ガイドどおりに

Google のGemini Omni Flash プロンプトガイドに基づきます。まずショットと被写体、次に動き・光・音。編集では変えたい一点だけを書きます。下の例文はそのガイドからの引用で、このページのサンプルが実際に送ったプロンプトです。

書き方のコツ

  • 1 ショットにしたいならそう書く

    Omni は既定で複数のショットに分け、小さな物語を作ります。連続した 1 ショットにしたいときは「In a single continuous shot」や「No scene cuts」と書きます。

    トラ猫の原文:“Continuous, unbroken handheld shot of a fluffy tabby cat…”

  • 音を書く

    音を書かないと、モデルが音を選びます。音楽はジャンルと雰囲気、環境音とセリフも書き、セリフは引用符で囲みます。

    トラ猫の原文:“Sound design: Gentle breeze, distant bird chirps.”

  • 不要なものは短い文で

    negative_prompt は使えません。「No dialogue」「No embellishments」「No extra sound effects」のように、除外したいものをプロンプト自体に書きます。

    トラ猫の原文の最後:“No dialogue.”

  • 編集は一度に一点

    編集のプロンプトは短いほど正確です。詳しく書きすぎると、残したい部分まで変わることがあります。一点だけ変えるなら「Keep everything else the same」を添えます。

    看板の原文:“Change the text on the sign to say "Omni Flash"”

  • タイミングを指定する

    「After 3 seconds…」「At 5s…」のような自然な文でも、[0-5s] のようなタイムコードでもかまいません。カット割りやリズムを自分で決められます。

    ポータルの原文:“[10-15s] They start running into the portal”

  • 画面の文字は引用符で

    Omni は文字を正しく読みやすく描きます。場面に元からある看板やナンバープレートも、書かせたい言葉を引用符に入れます。

    街角の原文:“there's a car with the number plate: "OMNI1.2"”

  • 人物と場所を細かく

    Google の「メタプロンプト」:細部・表情・タイミングに気を配るよう頼み、衣装デザイナーのように人物を描写し、背景の要素も具体的に書きます。

    Google のガイド:“Be extremely detailed in your descriptions of characters and environments.”

  • 画像から動画では動きを書く

    鮮明な画像を使い、カメラの動き・被写体の動作・環境の変化を具体的に書くほうが「動かして」より効果的です。画像を下書きや参考として使うだけならそう明記しないと、最初のフレームとして扱われることがあります。

    パン屋(ガイドに沿って作成):“The camera slowly pushes in toward the bakery window.”

長いプロンプトの構成

1ショット

まずショットを決める:連続・手持ち・1 カット。

原文:“Continuous, unbroken handheld shot”

2被写体と場所

被写体は誰で、どこにいて、何を見ているか。

原文:“of a fluffy tabby cat sitting on a sunny windowsill, looking out into a leafy garden.”

3小さな動き

小さな動きで画面が生きる。被写体は大きく動かなくてよい。

原文:“The cat's tail twitches slowly, and its ears rotate slightly toward ambient noises.”

4光

光と雰囲気を一文で。

原文:“Sunbeams illuminate dust motes in the air.”

5サウンドデザイン

環境音は独立した一文で。セリフは引用符に入れる。

原文:“Sound design: Gentle breeze, distant bird chirps.”

6除外

最後に、いらないもの。

原文:“No dialogue.”

そのまま編集できるテンプレート

In a single continuous shot, [ショットの大きさとカメラの動き] of [被写体] in [場所].
[0-4s] [最初の動作]
[4-8s] [次の動作]
[8-10s] [ラストの画]
Lighting: [光と色調].
Sound design: [環境音、効果音]. [人物] says: "[セリフ]"
No subtitles. [No music / No dialogue]
料金

Gemini Omni 1.2 Flash の料金

秒単位の課金で、Google の公式価格と並べて表示しています。オンラインテストでは送信前に料金がわかります。

解像度Gemini Omni 1.2 Flash
720P $0.035/秒Google 公式価格 $0.07 · 公式より50%安い
1080P $0.05/秒Google 公式価格 $0.104 · 公式より51%安い
4K $0.10/秒Google 公式価格 $0.209 · 公式より52%安い
  • 生成:選んだ解像度の 1 秒あたり単価 × 出力の秒数。参照画像は無料です。
  • 動画編集:同じ 1 秒あたり単価 × 元動画の秒数(整数秒。1 秒未満の端数は切り捨て)。計算機で「動画編集」を選ぶと計算できます。
  • 送信時に料金を仮押さえし、成功すれば同じ金額で確定します。失敗した場合は全額返金します。

料金計算

この 1 本—
選び方

Gemini Omni 1.2 Flash とほかの動画モデルの選び方

表の長さ・解像度・参照の上限・料金はすべてリアルタイムの値です。Omni 1.2 の参照上限は生成時のもので、編集では画像を 5 枚まで付けられます。

モデル長さ(秒)解像度参照 画像 / 動画 / 音声料金向いている用途
Gemini Omni 1.2 Flashこのページgemini-omni-1.2-flash 3–15720P / 1080P / 4K3 / 0 / 0 $0.035/秒〜 既存の動画を一文で編集したいとき、または正確な画面文字・4K・秒単位の長さが必要な短い動画。
Gemini Omni Flashgemini-omni-flash 6 / 8 / 10720P / 1080P3 / 0 / 0 $0.035/秒〜 前の世代ですでに動いているプロジェクト:6 / 8 / 10 秒、720P / 1080P、料金は 1.2 と同じ。
Veo 3.1veo-3.1 8720P / 1080P3 / 0 / 0 $0.20/本 長さ 8 秒固定、1 本ごとに課金する短い動画。
Seedance 2.5seedance-2.5 4–30480P / 720P / 1080P30 / 10 / 10 $0.10/秒〜 1 つのジョブに大量の参照素材(画像・動画・音声をまとめて)を入れたいとき、または最長 30 秒の物語的な動画。
Wan 3.0wan3.0-video 4–30480P / 720P / 1080P10 / 5 / 5 $0.04/秒〜 参照動画・参照音声を使いたいとき、またはドキュメントやウェブページから動画を作りたいとき。1 本最長 30 秒。
MiniMax H3minimax-h3 4–15480P / 768P / 1080P9 / 3 / 3 $0.015/秒〜 短い動画の量産:480P / 768P で試してから 1080P に。最初と最後のフレームに対応し、参照モードでは参照音声・参照動画も使えます。
Grok Imagine Video 1.5grok-imagine-video-1.5 4–15480P / 720P7 / 0 / 0 $0.30/本 1 本ごとに課金する 480P / 720P の短い動画。参照画像は 7 枚まで。

ほかのモデルですでに安定した結果が出ているなら、同じ素材と基準で両方を試し、映像・動き・音・生成時間・実際の費用を比べてから切り替えを決めてください。

4 ステップ

KovAPI で Gemini Omni 1.2 Flash の動画を作る手順

  1. 1

    登録して API キーを作る

    KovAPI にログインし、コンソールでキーを作成します。1 本のキーでサイトのすべてのモデルを使えます。

    KovAPI に登録
  2. 2

    上でプロンプトを試す

    長さ・解像度・画面比率を選び、必要なら画像や元動画をアップロード。送信前にリアルタイムの見積もりが出ます。

    オンラインテストを開く
  3. 3

    非同期ジョブを送信

    gemini-omni-1.2-flash で POST /v1/videos/generations に送信し、HTTP 202 で返るジョブ ID を保存します。完全なリクエスト例はドキュメントにあります。

    Gemini Omni 1.2 Flash API ドキュメント
  4. 4

    結果を取得するか Webhook で受け取る

    ジョブ ID で問い合わせるか、送信時に callback_url を指定します。成功したら data[0].url から MP4 をダウンロード。結果は 7 日間保存されるので、早めに保存してください。

    Webhook ドキュメント
KovAPI を選ぶ理由

KovAPI で Gemini Omni 1.2 Flash を使う理由

Google の公式価格より安い

720P は Google の公式価格より 50%、1080P は 51%、4K は 52% 安く、動画編集も同じ 1 秒あたり単価です。オンラインテストでは送信前にそのジョブの料金がわかります。

失敗は課金なし、自動リトライ

生成に失敗したら仮押さえした料金を全額返金します。上流が混雑したりエラーを返したりしたときはシステムが自動でリトライするので、リトライ処理を書く必要はありません。

同時実行の上限なし

アカウントごとの同時実行数に上限はなく、まとめて送信できます。混雑時はキューで待ち、API は queue_position と eta_seconds を返し、完了時に Webhook で通知できます。

すべての動画モデルを 1 つの API で

送信・結果取得・Webhook の書き方はサイトのどの動画モデルでも同じです。model を変えるだけで、同じプロンプトを Seedance、Wan、Veo などに送って比べられます。

登録も支払いも簡単

メール、Google、GitHub で登録でき、WeChat Pay、カード、PayPal、USDT でチャージできます。従量課金で月額料金はありません。同じキーでサイトのチャット・画像モデルも使えます。

バージョンの変遷

Gemini Omni の歩み

日付は Google の公式発表に基づきます。KovAPI で今使える機能は上のモード表を参照してください。

  1. 2026-05-19

    Gemini Omni Flash・発表

    Google I/O で Omni ファミリー最初のモデルとして発表。テキスト・画像・動画から動画を作り、会話で編集でき、まず Gemini アプリと YouTube ショートで公開されました。

  2. 2026-06-30

    Gemini API でパブリックプレビュー

    開発者は Gemini API でプレビュー版を使えるようになりました:3〜10 秒・720P、テキストから動画や静止画のアニメーション、生成結果の続けての編集。

  3. 2026-08-27

    Omni 1.1・一般提供

    一般提供版で最初と最後のフレームと、最高 4K の解像度(1080P と 4K はアップスケール)が加わりました。KovAPI の Gemini Omni Flash はこの世代です:6 / 8 / 10 秒、720P / 1080P。

  4. 2026-11-05

    Omni 1.2・15 秒と安定した参照現行

    長さは 3〜15 秒を 1 秒単位で。参照画像の人物・衣装・パッケージの文字がより安定し、セリフと口の動きもより自然に。Google の公式価格は 1.1 より 30% 安くなりました。Google は 2026-12-03 から 1.1 へのリクエストを自動で 1.2 に切り替えると発表しています。

よくある質問

Gemini Omni 1.2 Flash API よくある質問

Gemini Omni 1.2 Flash とは?
Google が 2026 年 11 月に公開した動画生成・編集モデルで、Gemini Omni Flash の新しい世代です。KovAPI では gemini-omni-1.2-flash:テキストから動画、最初のフレーム、最初と最後のフレーム、参照画像、動画編集に対応し、どの動画にも音声が付きます。
どのくらいの長さの動画を作れますか?
テキストから動画と参照画像は 3〜15 秒の整数秒で、duration を省くと 10 秒。最初のフレーム/最初と最後のフレームは最長 10 秒。編集の出力は元動画と同じ長さです。
解像度と画面比率は?
720P / 1080P / 4K、既定は 720P。画面比率は 16:9 / 9:16、24 fps。Google は 1080P と 4K をアップスケールと説明しています。ほかの値は送信時にエラーになり、課金されません。
最初のフレームや最初と最後のフレームはどう送りますか?
最初のフレーム:images に画像 1 枚。最初と最後のフレーム:images に画像 2 枚と image_role: first_frame。1 枚目が最初、2 枚目が最後のフレームです。どちらも最長 10 秒。
参照画像は何枚まで?プロンプトでどう指しますか?
生成では最大 3 枚、編集では最大 5 枚。アップロード順に @Image1、@Image2…です。各画像が誰か・何かをプロンプトに書きます。例:“The woman from the first image”。
動画編集はどう使いますか?
1〜15 秒の動画(mp4 / mov)1 本を video_urls に入れ、何を変えるかを書きます。例:“Make this video anime”。一点だけ変えるなら「Keep everything else the same」を添えます。特定のものを加えたいときは参照画像を付け、@Image1 で指します。
動画編集の料金は?
生成と同じ 1 秒あたり単価で、元動画の秒数で課金します。例:720P は $0.035/秒。最後の整数秒を超える部分は切り捨てるので、4.5 秒は 4 秒として課金します。duration は編集には使われません。
中国語などほかの言語でプロンプトを書けますか?
書けます。トラ猫のプロンプトを中国語にして送ったところ、英語版と同じ場面になりました。Google が十分に評価しているのは英語だけなので、複雑なショットやセリフは英語のほうが確実です。画面に出す文字は、表示したいとおりに引用符へ入れます。
音声をオフにできますか?
できません。どの動画にも音声トラックが付き、audio: false は受け付けません。「No music」「No dialogue」と書けば環境音だけにできます。無音の素材が必要なら、ダウンロード後に音声トラックを外してください。
実在の人物の写真を使えますか?
使えますが、Google のコンテンツ審査を通ります。一般の人の写真で試したところ、最初のフレームでは 2 回とも生成でき、参照画像では 2 回中 1 回拒否されました。著名人の写真は拒否されました。拒否されたジョブは課金されません。写っている人物の肖像を使う権利があることを確認してください。
生成に失敗したら課金されますか?
失敗した生成は課金されず、そのまま再送できます。送信時の仮押さえは全額返金され、同じジョブの自動リトライは一度だけ精算されます。
結果はどのくらい保存されますか?
結果とアップロードしたファイルは 7 日間保存され、その後削除されます。必要なものは早めにダウンロードしてください。
前の Gemini Omni Flash との違いは?
1.2 は 3〜15 秒を 1 秒単位で選べ(前の世代は 6 / 8 / 10 秒のみ)、4K と動画編集が加わり、参照画像への忠実さも上がっています。KovAPI では両方とも同じ料金です。前のモデルのページも引き続き使えます。
Gemini Omni 1.2 Flash と Veo 3.1 のどちらを選ぶべき?
KovAPI の Veo 3.1 は 8 秒固定で 1 本ごとに課金、Omni 1.2 は長さを自由に選べて秒単位で課金し、既存動画の編集や 4K にも対応します。映像を比べるなら、同じプロンプトをそれぞれ 1 回ずつ試してください。
最終更新 2026-11-12

プロンプト原文


        
      
高画質の原本

関連モデル

統合できる他のモデルを探索しましょう。

すべて見る →