Gemini Omni 1.1 Flash

E2X の Gemini Omni 1.1 Flash Text-to-Video API

Omni 1.1 Flash は 2026年8月27日 に Google で一般提供が始まりました。Veo ではなく Gemini ファミリーのモデルです。当社はその prompt だけで動く capability を google/omni-1.1-flash/text-to-video として運用しており、課金は出力 1 秒ごと。720p で $0.09 です。定価 $0.15 に常時 40% の割引が乗った額で、デフォルトの 8 秒なら $0.72。payload は prompt ひとつで足ります。

ここで動いたのは数字ひとつ、しかも上向きです。前世代の Gemini Omni Flash text-to-video は当プラットフォームで 1 秒 $0.0825、このページは $0.09。9% 高いということで、請求書から推し量るより先にここで読んでいただきたい数字です。その 9% が買うのは、より良い 1 秒の映像ではありません。旧モデルには解像度 enum すら存在しない $0.0297 のドラフト段、10 秒まで伸びるクリップ、そして前世代が E2X で一度も提供しなかった 2 つの capability です。残りは1.1 リリースについての当社の記事に書いています。

続いて、自社の請求書に不利な一文を書きます。Veo 3.1 Fast text-to-video は同じプラットフォーム上で 1 秒 $0.01、このページの 9 分の 1 です。一文からクリップを 1 本、その後ろに何もぶら下がらない。それならあちらへどうぞ。ここでの上乗せが買っているのは、10 秒、4K、安価な下書きモード、そして互いに地続きのショットです。そのどれも要らないなら、何も買っていないことになります。

素材が違えば endpoint も違います。静止画を 1 コマ目にするなら image-to-video、両端があって間が空いているなら start-end-frame-to-video、同じ顔が繰り返し出てくるなら reference-to-video です。

このモデルの 1 秒は、プロバイダーごとにいくらか

以下の数字はすべて、2026年8月28日に各プロバイダー自身のバージョン 1.1 のページで確認したものです。

Google の行は同社自身の計算で、同社自身の価格ページに載っています。出力 100 万 token あたり $17.50、720p の 1 秒に 5,792 token、割り算して $0.1014。だからそこの脚注も*「1 秒あたり約 $0.10」*に落ち着いています。どの行も音声込みなので、比較は同条件です。このモデルには音声のオン・オフが一切なく、台詞も部屋鳴りも映像と一緒に生成されますし、この一覧の誰も別料金にしていません。Google は同じ料率を解像度ごとに token 数として公表しています。360p は 1 秒 1,931 token、720p は 5,792、1080p は 8,688、4K は 17,376 で、四つとも音声込みです。ですから下の段は上まで同条件の比較になります。

当社の数字はぜひ検算してください。ただしバージョン文字列を先に読んでください。fal.ai には掲載が 2 つあります。バージョン表記のない google/gemini-omni-flash のページは古いプレビュー版の重みを 1 秒 $0.125 前後で値付けしており、v1.1 のページは $0.10 です。当社は v1.1。Wavespeed には逆向きの注意が要ります。$0.13 が確認できているのは text-to-video の変種だけなので、同社のそれ以外の数字は載せていません。

720p の料率は、面白いほうの半分ではありません。面白いのはこちらです。

720p から 4K への当社の倍率は 2×。Google はちょうど 3× で、自社の token 数が 5,792 から 17,376 へ増えます。いちばん下では二つの段は同じ形です。360p への刻みは双方とも 0.33×。上に行くほど二つは離れ、4K に着くころには Google が 720p の料率を 3 倍にし、当社は 2 倍にとどめています。四段すべてで当社が Google を下回るのはそのためです。360p で 12%、720p と 1080p で 11%、4K では 41% 下。Runware も一見の価値があります。720p では Google と横並び、1080p で $0.16、4K で $0.32 と、どちらも Google 自身の料率を上回ります。 照合される方への注記です。Google の発表時の表はこれらを $0.03・$0.10・$0.15・$0.30 に丸めています。上の数字は同社の解像度別 token 数から出したもので、請求の計算根拠はこちらです。

価格および製品条件は変更される場合があります。購入を判断する前に、各プロバイダーの最新価格をご確認ください。Google の Batch または Flex 価格は、スケジューリング・空き状況・処理条件が異なるため、標準的なオンデマンド API request と直接同等ではなく、この比較には含めていません。これは特定の条件に絞った比較であり、E2X があらゆる構成において世界最安であると主張するものではありません。

360p で下書きし、残す 1 本を 720p でレンダリングする

口座を空にするのは 1 回の生成ではなく反復です。7 回目の試行にも、1 回目と同じ額がかかります。

360p の 4 秒は $0.1188、同じ 4 秒でも 720p なら $0.36。安い下書きを 6 本と、デフォルト設定の本番を 1 本で合計 $1.07。定価のまま 7 回通せば $2.52 です。しかも Google は、360p なら最大 60% 速く返るとも言っています。同社の数字であって、当社のものではありません。

4K の 10 秒は 1 秒 $0.18 で $1.80。ここに出てくる単発の請求では最大です。

request を送る

ダッシュボードで key を生成し、クライアント側には置かず、job を送信してください。必須フィールドは prompt だけです。

curl -X POST https://api.e2x.ai/v1/jobs/submit \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "google/omni-1.1-flash/text-to-video",
    "input": {
      "prompt": "溶接工が面を下ろし、火花が積み上げた鋼材に青い光を投げる。ゆっくり左へドリー。アークの爆ぜる音、フレーム外の送風機。",
      "resolution": "360p",
      "duration": "6",
      "seed": 20260828
    }
  }'

これは下書きの 1 パスです。360p で 6 秒、$0.1782。resolution を 720p に変えれば $0.54 になります。

const headers = {
  Authorization: `Bearer ${process.env.E2X_API_KEY}`,
  "Content-Type": "application/json",
};

const { data } = await fetch("https://api.e2x.ai/v1/jobs/submit", {
  method: "POST",
  headers,
  body: JSON.stringify({
    model: "google/omni-1.1-flash/text-to-video",
    input: { prompt: "夜、バス停の待合所に雨が打ちつける。", duration: "4" },
  }),
}).then((r) => r.json());

for (let attempt = 0; attempt < 360; attempt++) {
  const job = await fetch(`https://api.e2x.ai/v1/jobs/${data.jobId}`, { headers })
    .then((r) => r.json());
  const { status } = job.data;

  if (status === "completed") { await archive(job.data.outputs[0].url); break; }
  if (status === "failed" || status === "cancelled") throw new Error(status);
  await new Promise((r) => setTimeout(r, 5000));
}

1 job あたり 4 分を見込むか、代わりに webhookUrl を渡してください。罠が 2 つあります。duration と resolution は文字列で渡すこと。10 ではなく "10" です。そして返ってくる URL には期限があるので、読んだその場でファイルを恒久的な場所へ控えてください。全フィールドは機械可読な仕様にあります。

当社の動画モデルのうち、実際に呼ぶべきはどれか

安い順に並べます。

1 行目と 2 行目を見比べてください。何にもぶつけて切らないクリップに 9 倍を払うのは高すぎます。上乗せが買っているのは連続性です。prompt を映像に変えるものはほかにも text-to-video にまとまっていますし、当社が運用する全モデルは 1 ページに収まっています。

組み込む前に

出力は固定です。24 fps、3 秒から 10 秒、16:9 か 9:16。この 10 秒が効きます。Veo は 8 秒で止まるからです。モデルカードは失敗の型を 3 つ挙げています。

「編集全体を通じて完全な一貫性を保つこと、複雑な動きを含むシーンを生成すること、あるいは完全に正確なテキストを描画することは、依然として課題として残っています。」

画面内の文字で足をすくわれる人が多くいます。店の看板を頼めば、よく見ると崩れている字形が返ってくると思ってください。動きのほうは、群衆、水、手が難所です。

SynthID が全フレームに不可視で入り、誰にも剥がせません。Google が評価した prompt 言語は英語だけで、Vertex AI は 2026年4月22日に Gemini Enterprise Agent Platform へ統合され、法人向けにはそちらで掲載されています。

寄りかかる画がないままショットを書く

モデルが持っているのは、あなたの言葉と seed だけです。言い残したことはすべてモデルの判断になります。書くのはショット 1 つ、決してシーケンスではありません。8 秒に 3 つの拍を詰めれば、下手なカットかブレが返ってきます。

カメラを決める。 「固定のワイド」「ゆっくり左へドリー」「手持ちのフォロー」。指定のないカメラは漂います。

光を決める。 ナトリウム灯の街灯、曇りの午後、実景の照明ひとつ。照明が、意図したフレームと単なるレンダリングを分けます。

音を決める。 予定していようがいまいが、音声には課金されます。環境音と、台詞があればその台詞を名指ししてください。さもないとモデルは、あなたの編集と喧嘩する音の床を勝手に敷きます。

あとは seed を固定して、一度に 1 つの節だけ変えていきます。当社の Gemini Omni prompting ガイドがさらに踏み込んでいます。

よくある質問

ここで text-to-video のクリップはいくらかかりますか？

720p 出力 1 秒あたり $0.09 です。デフォルトの 8 秒で $0.72、上限の 10 秒で $0.90。定価 $0.15 に対する 40% の割引で、2026年8月28日 に確認しました。ほかの段は 360p が $0.0297、1080p が $0.135、4K が $0.18、いずれも音声込みです。

これは Google に直接呼ぶより安いのですか？

四段すべてで安くなります。Google は動画を出力 token で課金します。100 万 token あたり $17.50 で、1 秒あたり 360p が 1,931 token、720p が 5,792、1080p が 8,688、4K が 17,376。つまり 1 秒 $0.0338、続いて $0.1014・$0.1520・$0.3041 で、いずれも音声込みです。発表時の表ではこれを $0.03・$0.10・$0.15・$0.30 に丸めていますが、請求は丸める前の数字で計算されます。これに対して当社は 360p で約 12% 安く、720p と 1080p で 11%、4K では 41% 安くなります。二つの段はどちらも 0.33× で 360p に下りており、違いは上のほう、Google が 720p の料率を 3 倍にし当社が 2 倍にとどめるところにあります。

これは置き換え元の Omni Flash より安いのですか？

いいえ、高くなります。Omni Flash text-to-video は当社で 1 秒 $0.0825、このページは $0.09 ですから、8 秒ならあちらが $0.66、こちらが $0.72。差は 9% です。旧モデルには 360p 段がなく、image-to-video も start-end-frame-to-video も E2X では提供されませんでした。差額はそこへ向かっています。Google に直接呼ぶ話は別問題です。同社の公表料率は 720p で 1 秒 $0.1014 に相当するので、このページも旧ページもその下に収まります。 この差は製品が高くつくからではありません。三つとも同じ $0.15 の定価に乗っていて、違うのは据え置きの割引率だけです。こちらが 40%、旧ページが 45% と 50% です。

1 本だけのクリップなら、これと Veo 3.1 Fast のどちらを選ぶべきですか？

ほとんどの場合は Veo 3.1 Fast です。同じ API で 1 秒 $0.01、8 秒なら $0.72 ではなく $0.08 で済みます。クリップが 10 秒に届かなければならないとき、4K が要るとき、ほかの映像と揃える必要があるときに、ここへ戻ってきてください。

360p の段は実際のところ何のためにありますか？

反復のためです。360p の 4 秒は $0.1188、720p なら $0.36 なので、捨てるテイクは、残す 1 本のごく一部の費用で済みます。

1 回の生成はどれくらいの長さまで可能ですか？

3 秒から 10 秒、24 fps です。duration の enum は 4、6、8、10 を文字列として公開しています。それより長いものは複数回の呼び出しからつなぎます。1.1 の連続性機能は、まさにそれを成立させるためにあります。

1 秒あたりの価格に音声は含まれますか？

はい。このページのどの比較の、どの行についてもそうです。音声のオン・オフは一切なく、台詞も環境音も映像と一緒に生成されますし、一覧のどのプロバイダーも別料金にしていません。

別のプロバイダーがこのモデルに違う価格を出しているのはなぜですか？

たいていは別のモデルだからです。fal.ai のバージョン表記がない google/gemini-omni-flash の掲載は、提供終了予定のプレビュー版の重みを 1 秒 $0.125 前後で値付けしています。同社の v1.1 のページは $0.10 で、当社の表が使っているのは v1.1 です。まずバージョンと日付を確認してください。