Gemini Omni 登場：Google 初の「任意入力」AI モデル、まずは動画生成から（2026 ローンチ徹底解説）
Draft — 日本語版 Slug:
google-gemini-omni-multimodal-ai-video-modelTarget: 英語版と同等のボリューム Status: first draft, ready for review. Cover:https://cdn.imaginetovideo.com/blog/cover/gemini-omni-flash.png原典：blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-omni/、deepmind.google/models/gemini-omni
2026 年 5 月 19 日、Google DeepMind は今週以前に書かれたあらゆる「AI 動画ジェネレーター」比較記事を書き直さざるを得なくするモデルを静かに公開しました。Gemini Omni ── そして最初に出荷された変種 Gemini Omni Flash ── は、チャットモデルに動画モデルを後付けで貼り付けたものではありません。任意の入力モダリティ（テキスト、画像、動画、音声）を受け取り、出力モダリティを生成する単一のアーキテクチャです。今は動画から開始し、画像と音声は「いずれ」追加されます。
Google DeepMind の CTO、Koray Kavukcuoglu はローンチブログで一文で定義しました："Omni is our new model that can create anything from any input."（Omni は、あらゆる入力からあらゆるものを生成できる新しいモデルです）。この定義には重みがあります。今週まで、生成 AI の主流パラダイムは専門化でした ── 動画は Sora、画像は Imagen、音声は AudioLM、会話は Gemini。Omni はこの分業を拒否します。ひとつのモデル、すべてのモダリティ、双方向。
これが全体像です：何が事実で、何がまだ未確認か、どのプラットフォームで今日使えるか、AI 動画を本番運用している人にとって何を意味するか。
Gemini Omni とは何か？
Gemini Omni は Google DeepMind が公開した新しいモデルファミリーの名称です。現在利用可能な変種は Gemini Omni Flash ── Google が Gemini ファミリー内でレイテンシ最適化階層を示す命名規則です（Gemini 2.5 Flash、Gemini Nano Flash でも同じサフィックスが使われています）。Pro または Ultra クラスは命名から想定されますが、まだ発表されていません。
定義的な技術主張は公式タグラインに書かれています："a model that can create anything from any input — starting with video." 注意深く読むと、ここには 2 つの独立した情報があります。
ひとつ目、「任意の入力からあらゆるものを生成」：Omni はテキスト、画像、動画、音声を受け付けます（ローンチ投稿によると、音声リファレンスはすでにサポート済み、他の音声タイプは「近日対応予定」）。マルチモーダル入力は新しくありません ── Gemini 1.5 は 2 年前にすでに動画と音声を入力として受け付けていました。
ふたつ目、「まずは動画から」：Omni は動画を生成する能力をネイティブに、今日から備えています。画像と音声出力は明確に将来の能力としてフラグが立っています（"in time we will support"）。ですからローンチ日の非対称性は本物です ── 任意の入力が入り、動画が出てくる。「anything in, anything out」というタグラインは構造的な野心を表しており、2026 年 5 月 22 日に実際にできることを表してはいません。
Kavukcuoglu のローンチ投稿は、モデルがローンチ時に存在するプラットフォームをリストアップしています：
- Gemini App ── AI Plus、AI Pro、AI Ultra のサブスクライバー向け。
- Google Flow ── Google の映像制作ツール。Omni はここで以前の Veo ベースのパイプラインを置き換えるか拡張する（ローンチ投稿は関係を具体的には述べていません）。
- YouTube Shorts ── Shorts クリエイターフロー内で無料で利用可能。
- YouTube Create App ── 専用のショート動画クリエイターアプリ。これも無料。
- 開発者 + エンタープライズ API ── 投稿によれば「数週間以内」。
これがローンチ時の配布面のすべてです。ローンチ時点で Vertex AI の Gemini Omni Flash エンドポイントは存在せず、Google AI Studio のトグルもなく、サードパーティ統合もありません ── 注目すべきは ImagineToVideo も含まれることです。API リリースを密接にトラッキングしています。これは後で戻ります。
「任意入力、任意出力」が今日実際に意味すること
Omni を読み解く最もクリーンな方法は、これを行列として捉えることです。Google の公式投稿から直接引いたローンチ日の状態：
| 入力 → | テキスト | 画像 | 動画 | 音声 |
|---|---|---|---|---|
| 出力：動画 | ✅ 稼働中 | ✅ 稼働中 | ✅ 稼働中（編集） | ✅ 音声リファレンス稼働、他は「近日」 |
| 出力：画像 | 🕗「いずれ」 | 🕗「いずれ」 | 🕗「いずれ」 | 🕗「いずれ」 |
| 出力：音声 | 🕗「いずれ」 | 🕗「いずれ」 | 🕗「いずれ」 | 🕗「いずれ」 |
つまりローンチ日には「動画出力」の行のすべてのセルが稼働中または部分稼働中で、他の行はすべて約束です。Google が画像と音声出力を出荷するまで、実務上「Omni」は「任意入力 → 動画」を意味します。これでも意味のある主張で、これまで公開モデルでこの正確な行列を出荷したものはありません。
ローンチ時に Google が開示しなかったいくつかの具体的な点も書き出しておきます：
コンテキスト長。 ローンチ投稿は、入力動画の最大長や、プロンプトの最大長について述べていません。Veo 3 はローンチ時に約 8 秒出力を発表しました。Sora 2 は Pro 階層で 25 秒まで対応していました。Omni の最大クリップ長と最大入力長は、公開資料では TBD です。
ベンチマーク。 ローンチ投稿には公開された品質ベンチマーク、ELO ランキング、Veo、Sora、その他特定の対抗馬との直接対決数値は一切ありません。Google は Omni が誰かを打ち負かしたとも主張していません。これは記録すべき不在です ── 歴史的に Google は有利な数値があるときはローンチ当日にデルタを出荷してきたので、今回の沈黙は決定的というより示唆的です。
生成あたりの価格。 YouTube Shorts は無料。Gemini App は Gemini 2.5 と同じ方法で AI Plus / Pro / Ultra のサブスクリプション階層に gate されています。秒あたりのクレジット単価はまだ未公開で、API のリリース時にまとめて出てきます。
解像度とフレームレート。 記述なし。Veo 3 はネイティブ 1080p / 特定の 4K パス。Kling 3.0 はネイティブ 4K で 60fps。Sora はオフライン化までは 1080p のみ。Omni の解像度上限はローンチ資料に記載されていません。
これは発表アナウンスであって、スペックシートではありません。上記の数値は既知の未知数として扱ってください ── 今後数週間で API と並んで Google がドキュメントを公開する際に埋まっていくでしょう。
ローンチ日に実演された 5 つの能力
ローンチ投稿と DeepMind モデルページは合わせて、5 つの異なる能力カテゴリを実演しています。それぞれが異なる本番ワークフローを示唆するので、別々に理解する価値があります。
1. 自然言語指示による動画編集。 Omni は既存の動画クリップを入力として受け取り、修正できます ── 物体の色を変える、アクションを入れ替える、ライティングを変更する、主体の背景を差し替える。ローンチページのデモでは、単一のソースクリップがテキストプロンプトから視覚的にはっきり異なるいくつかのバリアントにレンダリングされています。構造的な意義は、別々の inpainting モデル、リライティングモデル、背景置換モデルが必要ないということです。ひとつのモデル、ひとつのプロンプト、ひとつのレンダリング。
2. 動画タスクとしての物理シミュレーション。 Omni のデモにはレール上のビー玉の軌道、流体力学、その他物理的相互作用を動画化したものが含まれます。これは Sora 2 と Veo 3 が強く押してきたカテゴリと同じです ── 計測可能なモデル品質の軸としての物理忠実度。Google は数値の「物理スコア」を公開していませんが、デモの選択がポジショニングを明確に示しています。
3. 複雑な概念の可視化。 ローンチページでは Omni が抽象的または可視化困難なアイデアをレンダリングしています ── 英語アルファベットの構造、タンパク質の折りたたみシーケンス、数学的概念。これは映画用途より教育用途に近く、Veo や Sora が前面に押し出してこなかったカテゴリです。
4. マルチモーダル参照融合。 Omni にスタイル参照（画像）、モーション参照（動画クリップ）、テキストプロンプトを同時に与えると、出力が 3 つを融合します。スタイル転送とモーション転送は別々のモデルとして長年存在してきました（AnimateDiff、ControlNet など）。Omni はそれらを単一モデル上のプロンプトパラメータに圧縮します。
5. デジタルアバター動画生成。 ローンチデモにはアバタースタイルの出力が含まれます ── フレーム間で一貫したアイデンティティを維持するキャラクター動画。これは Kling V3 Omni の reference-to-video 機能や Veo 3 のアイデンティティロック主体と重なりますが、Google の表現は Omni を両者より柔軟に描いています：任意の参照、任意の長さ、任意のモダリティ。
これらすべてにおいて、ローンチサンプルは短く ── 通常数秒 ── 「プロモ動画」のフレーミングのため、本番環境での失敗モードがどう見えるかは分かりにくいです。デモリールを保証として受け取らないでください。Google がプロンプトとシードを慎重に選んだときの可能性の上限として扱ってください。
今すぐ Omni を使える場所
4 つの入口、3 つの価格モデル、1 つの一貫した制約（「API は数週間先」）。それぞれの考え方：
Gemini App（AI Plus / Pro / Ultra）。 カジュアルな探索のための最も深い入口です。完全な会話インターフェース ── テキスト、画像、音声リファレンス、複数回のリファインメント ── がモデルを取り囲みます。AI Plus は入門階層、AI Ultra は本番階層。Omni が特定のユースケースに何ができるかをテストしているなら、ここでテストしてください。
Google Flow。 Flow は Google の映像制作ツールで、Veo が下層ジェネレーターとして存在していた同じプロダクトです。Flow 内で Omni が Veo を置き換えるか拡張する（ローンチ投稿は具体的でない）ということは、Flow へのアクセスを持つ人はすでに Omni へのアクセスを持つということ。Flow のエディタ面 ── タイムライン、シーン制御、ショット一貫性 ── は Gemini App のチャットインターフェースより本番志向です。長編またはマルチシーン作業には Flow が正しい入口です。
YouTube Shorts。 無料。これがサプライズです ── YouTube クリエイターは Shorts 制作フロー内のアップロード地点で Omni を手に入れます。Google がここで展開した正確な UX はローンチ投稿で完全には文書化されていません。以前 Dream Screen や Veo ベースのパイプラインに送られていた生成プロンプト、リミックスアクション、text-to-Short フローは、今後 Omni によって提供されるはずです。60 秒の縦動画コンテンツを作るクリエイターには、Omni を試す最も安価な方法です ── 支払うものも待機リストもありません。
YouTube Create App。 無料。Google 専用のショート動画モバイル制作アプリで、YouTube 本体とは別です。Omni 機能はここに Shorts と並行して着地します。
開発者 + エンタープライズ API。 まだ利用不可。 投稿には「数週間以内」とあります。本番パイプラインがプログラム的アクセス ── webhook、バッチ生成、マルチユーザーワークフロー ── に依存するなら、待つしかありません。我々は密接にトラッキングしており、Google の API エンドポイントが稼働する瞬間に 当社ブログ を更新します。
この配布構造には実際的な帰結があります：今後数週間、Omni を規模で評価する唯一の方法は対話型サーフェス ── Gemini App、Flow、YouTube ── を通じてです。自動化ベンチマーク、Kling V3 や Veo 3.1 との同一プロンプトでの並列比較、本番統合 ── すべてが API のリリース時期に依存しています。
価格とアクセス階層
ローンチ日の価格景観を、Google が現在公開しているサブスクリプションドキュメントとローンチ投稿から整理：
| 階層 | 入口 | 価格 | Omni アクセス |
|---|---|---|---|
| YouTube Shorts | モバイル/Web Shorts クリエイター | 無料 | 含まれる |
| YouTube Create App | モバイルアプリ | 無料 | 含まれる |
| Gemini App — AI Plus | Gemini 無料層（レート制限あり） | 入門価格は地域により変動 | 制限付き |
| Gemini App — AI Pro | Gemini 有料層 | サブスクリプション、地域別 | フル |
| Gemini App — AI Ultra | Gemini トップ層 | プレミアムサブスクリプション | フル、優先 |
| Google Flow | 一部 Gemini 階層にバンドル | AI Pro / Ultra と紐付け | フル |
| 開発者 API | 未公開 | 生成あたり TBD | 「数週間以内」 |
Google はまだ AI Plus / Pro / Ultra のいずれの階層でも Omni 生成の秒あたりクレジット単価を公開していません。Gemini App 側の価格モデルはサブスクリプションバンドル型で従量制ではないので、月次キャップ内であれば自由に生成できます ── キャップに達するまで。
無料の YouTube サーフェスについては、「無料」が見出しですが、暗黙のコストは制約された創作面です：YouTube Shorts は縦型のみ・60 秒未満のコンテナで、プロンプト UI は本番パイプラインではなくカジュアルなクリエイター向けに作られています。無料は Omni を試すのには素晴らしいですが、ブランドキャンペーンを出荷する場所ではありません。
API 価格は Omni 上に何かを構築したい人にとって最も重要な未知数です。Google の過去の Gemini モデルの開発者向け価格は、テキストの百万トークンあたりで OpenAI と Anthropic に対して歴史的に競争力がありました。動画の生成あたりの価格はもっと変動的でした。AI Studio と Vertex AI のページに注目してください ── そこに最初に出ます。
Gemini Omni vs Veo 3 vs Sora 2 vs Kling vs Seedance：今の業界地図
興味深い問いは「Omni は良いのか」ではありません。Google のデモは良く見えます。興味深い問いはローンチの瞬間に Omni が競争景観のどこに位置するかです。
2026 年 5 月 22 日時点の業界地図：
| モデル | ネイティブ 4K | 最大 fps | ネイティブ音声 | マルチモーダル入力 | マルチモーダル出力 | API ステータス |
|---|---|---|---|---|---|---|
| Gemini Omni Flash | 未開示 | 未開示 | 音声参照 ✅、他 🕗 | ✅（テキスト、画像、動画、音声） | 動画は今、画像/音声は「いずれ」 | 「数週間以内」 |
| Google Veo 3.1 | ✅ ネイティブ | 24fps | 一部階層でネイティブ音声 | テキスト、画像 | 動画のみ | 稼働中（Vertex AI） |
| OpenAI Sora 2 | ❌ 1080p のみ | — | ネイティブ | テキスト、画像 | 動画のみ | 2026-03-24 オフライン |
| Kling Video 3.0 / Omni | ✅ ネイティブ 4K | 60fps | ネイティブ（Omni 変種） | テキスト、画像、音声（Omni） | 動画のみ | 稼働中 |
| Seedance 2.0 | ❌ 1080p のみ | — | ❌（無音） | テキスト、画像 | 動画のみ | 稼働中 |
| Runway Gen-4 | ❌ 1080p のみ | — | ❌ | テキスト、画像 | 動画のみ | 稼働中 |
明示的でないいくつかの結論。
Omni の特徴的な主張は行列全体であって、セル単位のスコアではありません。 リスト上の他のすべてのモデルが動画生成をします。単一のアーキテクチャでいずれ画像と音声も生成すると主張しているものはひとつもありません。Google が暗示するタイムラインで行列の残りを出荷すれば、Omni のセールスポイントは「最良の動画モデル」ではなく「ひとつのモデル、すべてのモダリティ、双方向」になります。これは構造的主張であって、ベンチマーク主張ではありません。
動画出力軸では Veo 3.1 と Kling V3 が直接の競争相手です。 今日動画を生成する必要があれば、Veo と Kling は成熟していて実戦投入されています。Omni は新しく、解像度が文書化されておらず、対話型サーフェスの後ろにロックされています。今月の本番作業には、Omni はトラッカーであってツールではありません。
Sora 2 のオフライン化は部屋にいる象です。 OpenAI は 2026 年 3 月 24 日に Sora 2 を引き上げました。この退役で残された空白こそが Google が埋めるものです。ローンチタイミングは偶然ではありません。
4K-60fps のスロットは依然として独占的に保持されています。 Kling V3 は公開市場でネイティブ 3840×2160 を 60fps で行う唯一のモデルです。Omni の解像度上限は発表されていないので、ここで競争するのか、1080p 帯にとどまるのかは分かりません。Google が発言するまでは、Kling 4K モードが解像度リーダーだと想定してください。
ネイティブ音声出力は部分的です。 Omni はローンチ時に音声参照をサポートします ── 音声クリップを入れることができるという意味。完全な音声生成と動画との同期は、まだ開発中のようです。Kling V3 Omni と Veo 3.1 は今日、生成パイプラインの中でネイティブ音声（対話、環境音、音楽キュー）を出荷しています。Omni はまだです。
2026 年 5 月の競争解読：Omni は今最も野心的なアーキテクチャ、最も未検証のプロダクト、API ランウェイがまだ最長で残っているものです。今後 18 か月の企業購入なら、Omni は賭けです。今月コンテンツを出荷するなら、Veo か Kling が答えです。
なぜ「Omni」アーキテクチャが動画生成にとって本当に重要か
ローンチコピーを剥がすと、本当のストーリーはアーキテクチャレベルです。AI 動画のデフォルトメンタルモデル ── 動画モデル、サウンドモデル、アップスケーラー、リップシンクモデルをパイプラインに組み立てる ── は今日まで規模で出荷された唯一のモデルです。パイプラインアプローチには既知の弱点があります：各段階が品質ゲートで、エラーは複合し、段階間でアイデンティティドリフトが入り込み、音声と動画の同期は両モダリティが独立に生成され後付けで揃えられるため難しい。
真に統一されたアーキテクチャ ── 画像、動画、テキスト、音声を内部的に共に表現する単一モデル ── は構造的にこれらすべての失敗モードを回避します。アイデンティティはモデル間でハンドオフされないので一貫している。音声と動画は一緒にデコードされるので同期している。隠れ空間が共有されているのでスタイルはフレーム間で一貫している。原理的には。
Omni が本番環境でこの原理を実現するかどうかが、2026 年 5 月 22 日には答えられない問いです。Google のデモは可能性を示唆しています。ローンチ投稿の「starting with video」という言い回しは、統一アーキテクチャがまだすべての出力モダリティで完全に表現されていないことを示唆しています ── 段階的に出荷しているのです。本当の証拠は今後 2 四半期で来ます ── API が開き、サードパーティのベンチマークが着地し、失敗モードが本番作業で表面化するにつれて。
関連する問いがあります：Omni がアーキテクチャ的に統一されているなら、各モダリティで専用モデルを支配しますか？必ずしもそうではありません。統一モデルは幅と引き換えに深さを差し出します ── すべてのモダリティが表現予算をもらい、ひとつのモダリティがすべてを独占することはありません。Kling V3 のような専用モデル（動画のみ、動画への重い訓練、4K-60fps）は、しばらく Omni を生の動画指標で上回り続けるかもしれません。Omni の優位は単一の軸ではなく、モデルを離れずにできることの幅にあります。
本番ビルダーにとっての追跡すべき問い：Omni のアーキテクチャ的優位は、専門家に対するモダリティごとの品質ギャップを相殺できるか？答えは完全にワークロード次第です。混合プロンプト、参照、即興編集で短い動画を作るクリエイター ── 利便性で Omni が勝つ。4K-60fps で TV CM のヒーローカットを撮影するブランド ── Kling V3 4K がおそらく重要な指標で勝ち続けるでしょう。Omni が解像度で追いつくまでは。
開発者はいつ API を手に入れるか（ImagineToVideo は何を見ているか）
ローンチ投稿は開発者 + エンタープライズ API を「数週間以内」と約束しています。Google はまだ日付、SLA、価格構造、ドキュメント URL を公開していません。過去の Gemini ファミリーローンチの先例 ── 2.5 Flash、2.5 Pro、Nano ファミリー ── に基づくと、「App アクセス稼働」から「Vertex AI エンドポイント稼働」までの典型的なウィンドウは 4〜8 週間でした。
ImagineToVideo にとって、API のタイミングはゲート要因です。Gemini Omni エンドポイントが HTTPS で到達可能で、文書化されたスキーマとレート制限を持つまで、プラットフォームに統合できません。利用可能になったら、ロードマップは明快です：
- Phase 1（API 公開後 1 週目）： Gemini Omni Flash を text-to-video と reference-to-video のフローでモデルオプションとして追加。価格は Google のレート + 標準インフラオーバーヘッドを 1 対 1 で透過します。
- Phase 2： Omni 固有の能力 ── マルチ参照融合、クリップ内編集、音声参照入力 ── をジェネレーター UI のファーストクラスコントロールとして浮上させる。
- Phase 3： 同じプロンプトセットで Kling V3、Veo 3.1、Seedance 2.0 と並列比較ランを実行し、透明性のため結果をこのブログで公開する。
ImagineToVideo ブログ を購読してフォローしてください ── Google の API エンドポイントが公開された同じ日に統合を出荷します。それまでは、今日実戦投入されているモデルで AI 動画を作り始めたいなら、Seedance 2.0 で商品クリップ、Kling V3 Omni で映画的マルチショット作業、または Kling 4K モードで放送品質のヒーローカット から始めてください。
FAQ
Gemini Omni とは何ですか？通常の Gemini とは何が違いますか？
Gemini Omni は Google DeepMind の新しいモデルファミリーで、Gemini テキスト/チャット系列とは別です。現在出荷されている変種は Gemini Omni Flash です。コアのアーキテクチャの違いは、Omni がマルチモーダル入力とマルチモーダル出力 ── テキスト、画像、動画、音声を双方向で ── のためにゼロから構築されている点。初期の Gemini モデルはマルチモーダル入力を受け付けたものの、テキスト出力に専門化されていました。ローンチ時に Omni は動画を生成します。画像と音声出力は Google DeepMind により将来の能力としてフラグが立てられています。
Gemini Omni は無料で使えますか？
部分的に。YouTube Shorts と YouTube Create アプリ内で Omni を無料で使用できます。両者ともクリエイターに追加費用なしで含まれます。Gemini App 内では、Omni は AI Plus、Pro、Ultra のサブスクリプション階層に gate されています。スタンドアロンの開発者 API はまだ利用不可で、その価格はエンドポイント公開時に発表されます。
Gemini Omni はいつ ImagineToVideo で利用可能になりますか？
開発者 API のリリースを密接にトラッキングしています。Google は API について「数週間以内」とコミットしています。稼働したら、統合スケジュールは日のオーダーです ── プラットフォームには新しい動画モデルを追加するインフラがすでにあり、エンドポイント公開後すぐに Omni が text-to-video と reference-to-video フローに利用可能になります。統合発表については ブログを購読 してください。
Gemini Omni と Veo 3 は何が違いますか？
Veo は Google の前世代の動画モデルで、Omni 以前は Google Flow の下層エンジンでもありました。Veo はテキストと画像入力を受け付け、動画を生成し、一部階層ではネイティブ音声を含みます。Omni の表明された野心はより広い：任意のモダリティ入力、任意のモダリティ出力。今日の実務では両者とも動画を生成し、解像度、フレームレート、音声出力の具体的な違いはまだ確立中です。Google Flow 内では Omni が Veo の役割を置き換えるか拡張するように見えます ── ローンチ投稿は線引きを明確には描いていません。
Gemini Omni は Sora を置き換えますか？
Sora 2 は 2026 年 3 月 24 日にオフラインになったので、直接比較ではありません。Sora 2 の引退前の本番ワークフローの一部は Kling V3 と Seedance 2.0 に移行しました。Omni はそれらのワークフローにとって 3 番目の移行先になりました。Omni が事実上の代替になるかは、API 価格と品質が既存の代替に対してどこに着地するか次第です。
Gemini Omni は日本語プロンプトをサポートしますか？
Gemini のテキストエンコーダーはいくつかのモデル世代にわたって日本語（および数十の他言語）をサポートしてきました。ローンチ投稿は Omni のプロンプトインターフェースが具体的にどの言語をサポートするかを明示的に列挙していませんが、アーキテクチャ系統は幅広い多言語カバレッジを示唆します。具体的な言語については Gemini App でテストしてください ── 最も速い確認方法です。
Gemini Omni を商用利用できますか？
Omni 出力のライセンス条件は使用しているサーフェスの標準条件に従います。YouTube 出力は YouTube の商用条件、Gemini App 出力は Google の AI Plus / Pro / Ultra 条件 ── 一般的に商用利用を許可し、モデル生成コンテンツに関する通常の注意事項を伴います。エンタープライズまたは大量商用生産には、本番展開のために条件が明示的に書かれる API + エンタープライズ階層を待ってください。
Gemini Omni は Gemini 3 と同じですか？
いいえ。Gemini Omni は独自の命名系列（Flash、Pro/Ultra は暗示されるが未発表）を持つ独自のモデルファミリーで、メインの Gemini チャット系列と並行しています。Google は Omni のトレーニングが仮想的な Gemini 3 とどう関係するかを述べておらず、ローンチ資料は両者を別々のプロダクトラインとして扱っています。
まとめ
Gemini Omni は今年 AI 動画分野で誰もが行った最も野心的なアーキテクチャの賭けです。すべてのモダリティを双方向で行う単一モデルという約束は、2024 年と 2025 年を定義したパイプラインアプローチとは構造的に異なります。Google が暗示するタイムラインで行列の残りの部分 ── 画像出力、音声出力、より長いコンテキスト ── を出荷するなら、「どの AI 動画ツールを使うか」というメンタルモデル全体が書き直されます。
約束は 2026 年 5 月 19 日のニュース。証拠は「数週間以内」の API リリース、そしてその後数か月のサードパーティベンチマーク。今日 Omni はトラッカーとして扱い、ツールとしては扱わないでください。Kling V3、Veo 3.1、Seedance 2.0 は今月の本番作業の正解として残ります ── 文書化され、価格が明確で、統合されており、規模で稼働しています。
今週コンテンツを出荷するすべての人へ：今動くものを使い続けてください。今後 18 か月のために構築しているすべての人へ：API のウェイトリストを購読し、AI Studio と Vertex AI のドキュメントに注目し、エンドポイントが公開される瞬間に並列ベンチマークを実行できる四半期を計画してください。
Omni のローンチを待つ間、今すぐ実戦投入されたモデルで AI 動画を生成し始めたいなら：
→ Seedance 2.0 で高速な商品クリップと参照クリップを試す（5 秒あたり約 1 ドル、720p）
→ Kling V3 Omni で映画的マルチショット作業を試す（ネイティブ音声付き）（マルチショット連結、リップシンク）
→ Kling 4K モードで放送品質のヒーローカットを試す（ネイティブ 3840×2160 @ 60fps）
Google の API エンドポイントが公開される同じ日に ImagineToVideo に Gemini Omni 統合を出荷します。それまでは ── このブログに注目して、コンテンツを作り続けてください。
