最近、Google が I/O 2026 で発表した Gemini Omni Flash を試してみたので、感じたことをお話しします。

このモデルの最大の違いは、会話を通じて動画を編集できることです。クリップを生成した後、「背景をビーチに変えて」「カメラを遅くして」「右側に人を追加して」と直接言うだけで、他の部分を保持したまま指定した部分だけを変更してくれます。Sora のように、毎回全体を再生成する必要はありません。

いくつかのポイント：

- 複数のモード入力をサポート：テキスト＋画像＋音声＋動画を一緒に入力可能
- 10秒のクリップを出力、同期音声付き
- YouTube Shorts は無料利用可能、Gemini アプリは AI Plus （$7.99/月）が必要
- デベロッパー API はまだ公開されておらず、「数週間以内」と言われています
- すべての出力には SynthID 水印が強制されます

とSora 2を比較すると：Soraはキャラクターの統一性が良く、25秒のクリップを生成できます；Omni Flashは多モーダル入力と会話編集に優れ、イテレーションコストが大幅に低いです。

の制限も多く：10秒の上限、音声編集不可（deepfake防止）、テキストレンダリングがあまり正確でない、複雑な動きのシーンで時折クラッシュする。

動画生成を素早く体験したいなら、[gemini omni]( https://www.veol.ai?utm_source=v2ex)を見てみてください。最高4K出力をサポートし、料金は$0.15からです。

V友を経験した人はいますか？会話式編集という方向性は正しいと思うが、10秒の制限は確かに短いです。