2026年5月19日に開催された Google I/O 2026 で「Gemini Omni（およびOmni Flash）」が初めてお披露目された際、「数週間以内にAPIを通じてデベロッパー向けに提供する」とGoogleが予告していた件が実行されました。
AIエージェントを活用した安価かつ高速な画像・動画生成ワークフローの構築が飛躍的に容易になりました。
Nano Bananaモデルファミリーにおいて最も高速かつ低コストな画像生成・編集モデルである「Nano Banana 2 Lite（正式名称: Gemini 3.1 Flash-Lite Image）」と、対話型の動画生成・編集が可能な「Gemini Omni Flash」の一般提供（General Availability）を発表。
Nano Banana 2 Lite (Gemini 3.1 Flash-Lite Image) の特徴
- 位置づけ: Nano Bananaファミリーの中で「最速かつ最もコスト効率が高い」画像生成・編集モデルです。最高品質を追求するのではなく、速度・価格・品質のバランスを重視して設計されています。
- 速度（低レイテンシ）: テキストプロンプトから画像への出力がわずか4秒（あるいは2秒未満を目標とする高速性）で完了し、従来の初代モデルやNano Banana 2と比較して大幅な高速化を実現しています。短時間で多数の案を生成するデザイン検討やプロトタイピング（試作）に適しています。
- コスト効率: 1K解像度（1,024×1,024ピクセル）の画像1枚あたりの生成コストは0.034ドルと、非常に低コストに抑えられています。
- 性能と制限: * 初代Nano Bananaと比較して視覚的品質や機能が大幅に向上しており、人間によるブラインドテスト（Arena.aiのEloスコア）では初代を上回る評価を得ています。
- 1K（1024px）解像度の出力に特化しており、2Kや4Kの出力はサポートしていません。
- 複数の参照画像を扱う複雑なタスクや、長いマルチターンにおよぶ画像編集チェーンには適していません。
- SynthIDによる電子透かしの埋め込みに対応し、安全性を確保しています。
- 入力トークン上限は65,536トークン、出力は画像が最大4,096トークン、テキストは最大64,000トークン。画像だけでなくテキストも同時に出力可能です。
- 利用環境: 公開初日からGoogle AI Studio、Gemini API、Gemini Enterprise Agent Platform等で利用可能です。
Gemini Omni Flash の特徴
- 位置づけ: テキスト、画像、音声、動画を入力として扱い、自然言語（対話）による指示で高品質な動画を生成・編集できる「Gemini Omni」ファミリー初のモデルです。
- 対話型の動画編集: 単に動画を作るだけでなく、マルチターンの会話を通じて「特定のキャラクターや製品の入れ替え」「動的なスタイル転換」「オブジェクトの追加」「照明の変更（リライティング）」などを指示し、一貫性を保ったまま動画を修正・洗練していくことができます。
- 仕様とコスト: 3〜10秒、720pの動画を生成可能。出力される動画1秒あたり0.10ドルという、市場において優れた費用対効果（価格性能比）で提供されます。
- モデル連携: 画像モデル「Nano Banana 2 Lite」と組み合わせることで、Liteで高速に生成した画像を参照元（インプット）として扱い、Gemini Omni Flashで動画化するという、画像生成から動画化までの一気通貫したワークフロー（エージェントシステム等）を容易に構築できます。
- 展開先: Geminiアプリ、Google Flow、YouTube Shorts、さらにAdobe Fireflyなどのサードパーティ製クリエイティブツールへの統合も進められています。
補足
- 発表時期の背景知識: この発表は2026年6月末（一般提供のアナウンスは6月30日・7月1日付け）に行われたものです。Googleは基盤モデルである「Gemini 3.1」世代の軽量展開を進めており、テキスト領域の「Gemini 3.1 Flash-Lite」の思想をメディア生成（画像・動画）領域に拡張した形となります。
- 市場の動向と位置づけ: 現在の生成AI市場（OpenAIのSoraや、各種画像生成AIなど）では、リッチで高精細な「最終成果物」を作るモデルの競争だけでなく、開発者がアプリケーション（AIエージェントやバナー大量生成システム）に組み込んでリアルタイム・低コストで回せる「実用的な軽量・高速モデル」の需要が急速に高まっています。今回の「Lite」および「Flash」の展開は、まさにその大量処理・リアルタイム運用を狙ったGoogleのB2B・開発者向け戦略の一環と言えます。
AIエージェント使ってAPI経由で動画が作れるようになった
Google I/O 2026から約6週間が経ち、ついに一般提供（プレビュー）としてAPIが開放された、というタイムラインになります。
I/Oのキーノートで見て「おっ」と思われていたものが、まさに今、手元の開発環境やAIエージェントに組み込んで自由に動かせるリアルなツールになったというわけです。画像モデルの「Nano Banana 2 Lite」と組み合わせた爆速のマルチモーダル連携など、まさにあの時描かれていた世界が形になっています。
特に今回のコンボ（爆速のNano Banana 2 Lite × 対話型動画のGemini Omni Flash）は、プロトタイピングのスピード感や、エージェントに自律的にコンテンツを作らせる実験の可能性をガラッと変えてくれるはずです。
Antigravityで動画生成してみた
Google AI StudioやGemini APIのドキュメントにもすでに反映されているので、Antigravityで動画生成をしてみました。
まずAntigravityにチャットで下記のように入力。
「Geimini Omni FlashがAPI対応したよ」
このプロジェクトでは以前API経由のVeoで動画生成したり、Google Flowで生成した動画をRemotionで編集した経緯があるので、すぐに理解して勝手に進んで行きました。
Gemini Omni Flash（
gemini-omni-flash-preview）が2026年6月30日よりAPI対応し、新しい Interactions API 経由で利用可能になった件について調査しました。この変更を反映するために、プロジェクト内の動画生成スクリプトである generate-omni-video.ts をアップデートする実装計画を作成しました。
特に懸念事項やご質問がなければ、プランをご確認いただき、右パネルの「Proceed」またはチャットで承認のご指示をお願いいたします。
承認して進めます。
- generate-omni-video.ts の Interactions API 移行: 新しい API 体系と
gemini-omni-flash-previewに適合するように修正し、動画の生成からデコード・ローカル保存まで自動で行うロジックを統合しました。- 自動フォールバックの実装: 万が一 Omni Flash の生成に失敗した場合は、従来通り Veo モデル（
veo-3.1/veo-3.0）にフォールバックして実行し、生成が途絶えないように安全対策を講じました。- ビルドおよび動作確認: 実際に API を用いて動画を生成し、Lint チェックをパスさせ、
npm run devで Remotion Studio がローカルサーバで正常にビルドできることを確認しました。これで、Gemini Omni Flash による高品質なベース動画生成と、Remotion によるローカルでの無限の動画プログラム編集環境が完全に整いました。 何か他にお手伝いできることがあれば、いつでもお知らせください！
生成した動画は
- 最初にテスト10秒1本
- 次にAntigravityに適当にシナリオ作らせて10秒×3本→Remotionで繋いでテロップ入れまで自動
これで数百円分の残高と最低課金の2000円のクレジットが溶けました。1秒0.1ドルの10秒だから4本で4ドルに思えるのですが、Gemini APIドキュメントには下記のような記載があります。
課金は、出力トークンの合計使用量に基づいて行われます。これは、720p 動画の 1 秒あたり 5,792 トークンのレートで計算されます。Standard 料金の場合、これは 1 秒あたり約 $0.10 の実質価格に相当します。
動画の内容によっては1秒当たりの5,792トークンが数倍になるようです。AIエージェントに複雑な動画を作らせると想定外ににクレジット消費することになるので注意が必要です。
使用したトークンの詳細を確認するには
- Google Cloud コンソールの「ログエクスプローラ」ページに移動します。
- Gemini APIの利用に関連付けられているGoogle Cloudプロジェクトを選択します。
- クエリブロックにフィルター式 resource.type=”cloudaicompanion.googleapis.com/Instance” を入力して実行するか、Cloud AI Companion Instance（Cloud AI Companion インスタンス）リソースを検索します。
- ログが読み込まれたら、いずれかのログエントリを選択して展開し、
jsonPayloadまたはprotoPayloadセクションを表示します。 - このペイロード内に
usageMetadataオブジェクトがあり、動画生成リクエストごとの正確なpromptTokenCount、candidatesTokenCount、およびtotalTokenCountが確認できます。
編集だけならRemotionを使ってサブスクの範囲で可能です。
