Google、高速・低コストな画像「Nano Banana 2 Lite」と対話型動画編集「Gemini Omni Flash」を提供開始

AIによる画像や動画の生成パイプラインを構築する際、最大のボトルネックとなるのが生成速度とコストです。

Googleは6月30日、生成メディア向けの新モデルとして、低コスト画像生成モデル「Nano Banana 2 Lite」と、対話型動画編集・生成モデル「Gemini Omni Flash」の2つを発表しました。いずれもGoogle AI Studio、Gemini API、Gemini Enterprise Agent Platformを通じて提供が始まっています。

1000枚で0.034ドル、4秒で画像を生成

Nano Banana 2 Lite（gemini-3.1-flash-lite-image）は、大量生成と処理速度を最優先に設計されたモデルです。

最大の特徴はその圧倒的な低価格で、画像1000枚あたり0.034ドルに設定されています。テキストからの画像生成レイテンシも約4秒に抑えられており、Googleは従来の第1世代Nano Bananaを利用している開発者に対して即時の移行を推奨しています。

高速化を重視しながらも、プロンプトの指示への追従性、キャラクターの一貫性、画像内テキストの描画性能は実用的な水準を維持していると説明されています。

このモデルはAPI経由だけでなく、Google検索の「AI Mode」、Geminiアプリ、NotebookLM、Googleフォト、Google Adsなど、同社の主要サービスにも順次組み込まれます。

自然言語で動画を編集するGemini Omni Flash

同時にパブリックプレビューとして公開されたGemini Omni Flashは、Google I/Oで披露されていた動画生成・編集モデルです。

出力動画1秒あたり0.10ドルで提供され、テキスト、画像、動画を組み合わせたマルチモーダル入力に対応します。最大の特徴は、自然言語による対話形式で動画の特定部分を修正・編集できる点です。デモでは、スマートフォンの画面から3Dの文字を取り出すような合成マジック演出が披露されました。

また、Nano Banana 2 Liteで高速生成した静止画を参照画像としてOmni Flashに渡し、動画化するという連携パイプラインも提案されています。

ただし制限事項もあります。現時点での生成時間は最長10秒に限られ、音声の参照入力やシーンの延長には非対応です。カメラのパンやシーン転換時のキャラクターの一貫性にも課題が残っています。

両モデルで生成されたコンテンツには、Googleの電子透かし技術「SynthID」が埋め込まれます。

なぜ重要か

開発者やマーケターにとって、ビジュアル制作における試作のコストが劇的に下がった点は非常に大きな価値があります。

ECサイトのバナーや広告バリエーションを数千パターン検証したい場合でも、わずかな予算で大量のラフを生成し、選ばれた画像だけを動画化するワークフローが組めます。プロトタイピングの段階であれば、今すぐAI Studioで試す価値が十分にあります。

業界全体で見ると、Googleは最高峰の画質を競うだけでなく、徹底したコスト削減と多段パイプライン化で実務利用を取り込みにきています。Nano Banana 2 Liteで高速ラフを担い、Nano Banana 2やPro、そしてOmni Flashへと階段状に使い分けさせる構成は、競合に対する強い囲い込みになります。TechCrunchが報じたように、同社は映画スタジオA24と7500万ドルの提携を結ぶなど映像業界への食い込みを急いでいます。

しかし、このアプローチには課題も見られます。Omni Flashはまだ一貫性の保持や音声連携が弱く、現段階では本格的なプロダクション用途というよりソーシャル向けの短尺アセット制作にとどまります。生成コストが極限まで下がることで低品質なコンテンツの氾濫を招く懸念もあり、クリエイターコミュニティの反発をどう抑えつつ実務品質に引き上げられるかが今後の焦点になりそうです。