Google が Nano Banana 2 Lite と動画モデル Omni Flash を発表：画像生成わずか4秒、シリーズ最速最安
- Google が Nano Banana 2 Lite（モデルコード gemini-3.1-flash-lite-image）を発表。Nano Banana シリーズの中で現時点最速・最安の画像生成モデルで、1枚4秒、1000枚あたり0.034米ドル。
- Google は動画モデル Gemini Omni Flash（gemini-omni-flash-preview）を初めて開発者向けに公開。テキスト・画像・動画を混在させた入力による動画生成と対話形式の編集に対応し、動画1秒あたり0.10米ドルで、Veo 3.1 Fast と同価格。
- 2つのモデルは連結して使える：まず Nano Banana 2 Lite で画像を生成し、それを Omni Flash に渡して動画化。Interactions API がセッションの文脈を保持し、最大3ラウンドまで連続で編集を重ねられる。
- Nano Banana 2 Lite は AI Studio、Gemini API、Gemini Enterprise Agent Platform、および Search AI Mode、Gemini App、NotebookLM、Google Photos などの一般向けプロダクトにも同時に導入済み。
- Omni Flash は現時点で10秒動画の生成のみに対応し、音声リファレンスのアップロードやシーン拡張には未対応。カット切り替え時のキャラクターの一貫性もまだ不安定。
Google が今回、新モデルを2つ同時にリリース
Google は2026年6月30日、画像生成モデル Nano Banana 2 Lite と、動画生成／編集モデル Gemini Omni Flash という2つの新モデルを開発者向けに公開すると発表した。
公式アニメーション図1枚で、「速さ」と「安さ」の差がどれほどか一目でわかる
公式が示したこのベンチマークのアニメーション図では、横軸に価格、縦軸にレイテンシを配置しており、Nano Banana 2 Lite の位置が左下にあるほど、速くて安いことを意味する。
公式の補足：速度を売りにしているとはいえ、Nano Banana 2 Lite はプロンプトへの忠実さ、キャラクターの一貫性、画像内テキストの鮮明さといった項目でも実用レベルを維持しており、品質を犠牲にして速度を得ているわけではない。
Nano Banana は現在4グレード、どれを使うべきか
今回の Lite を加えて、Nano Banana は全部で4グレードになった。これらは単純な高中低スペックの分類ではなく、「速度・品質・制御性」のトレードオフによる役割分担であり、それぞれの位置づけを見極めてから選ぶべきだ。
| グレード | モデルコード | 位置づけ |
|---|---|---|
| Nano Banana 2 Lite | Gemini 3.1 Flash Lite Image | 速度重視。ほぼリアルタイム・高スループットのバッチ処理シーンに向けて最適化され、レイテンシを最小限に抑えている |
| Nano Banana 2 | Gemini 3.1 Flash Image | 汎用の主力。低レイテンシで高品質を実現し、性能とコストのバランスが最も良い |
| Nano Banana Pro | Gemini 3 Pro Image | 専門的で複雑なシーン向け。制御力と推論力が最も強く、速度より正確さが重要な作業に向く |
| Nano Banana（初代） | Gemini 2.5 Flash Image | 公式が legacy と位置づける旧モデル。品質・速度・コストの3面で向上する Lite へのアップグレードが推奨されている |
Lite は機能を削った廉価版ではなく、公式が初代 Nano Banana ユーザーに勧める乗り換え先だ。原文には「今すぐ切り替えられ、主要な性能面で直ちに恩恵を得られる」と明記されている。つまり、初代ユーザーが Lite にアップグレードすることは、公式が推奨するデフォルトの行動といえる。
動画モデルが初めて「対話しながら編集」できるようになった
Omni Flash は Google が I/O で披露していたモデルで、今回初めて API を通じて開発者の手に渡った。Gemini のマルチモーダル理解と動画の生成・編集を結びつけ、自然言語の指示を聞きながら動画を編集できる。公式は4つの能力を挙げており、以下で1つずつ見ていく。
これまで「動画を生成してから修正する」には、2つのシステムを組み合わせる必要があることが多かった。Omni Flash は生成と対話式編集を同一モデルにまとめている。ひと言指示を出すだけで、すでに生成された素材の上でそのまま編集を続けられ、プロンプト全体を書き直す必要はない。
動画を生成した後、プロンプト全体を書き直す必要はなく、自然言語のひと言指示だけで、すでに生成された部分を編集できる。
生成時に画像・テキスト・動画を同時にモデルへ参照素材として与えることができ、キャラクターの外見やシーンのディテールをプロセス全体で一貫させられる。
Omni は Gemini が持つ歴史、生物学、物語のロジックといった知識を活用し、映像の内容を筋の通ったもの、物語として成立するものにする。
シンプルな指示だけで、テキストや図形を動画内のアクションのタイミングに直接対応させられる。
すでに映像を見たことのある編集者と会話するようなもの。ひと言伝えれば、その通りに直してくれる。毎回要件を最初から言い直す必要はない。これが「対話式編集」と、これまでの「編集のたびにプロンプトを書き直す」ことの違いだ。
2つのモデルをどうつなげて使うか
公式によれば、本当に便利なのはこの2つのモデルを1本の流れにつなげられる点だという。まず Nano Banana 2 Lite で素早く画像を生成し、その画像を参照として Omni Flash に渡して動画化する。そして Interactions API が文脈を覚えているおかげで、そのまま対話形式で編集を重ねられる。
ここでのポイントは Interactions API によるマルチターンの会話文脈だ。モデルは以前の数ラウンドでどの画像・どの動画を生成したかを覚えており、チャットのように一歩ずつ編集を続けられる。連続で最大3ラウンドまで重ねられ、毎ラウンドごとにプロンプトを最初から書く必要はない。
Photoshop の履歴機能に似ている。「このフィルターをもう一つ追加して」と言えば、モデルはそれがさっきのあの画像を指していると理解し、改めて指定し直す必要はない。3ラウンドの編集とは、この履歴を最大3ステップまでつなげられるということだ。
公式がすぐ試せる3つのデモを用意
この3つのデモアプリは、この一連の流れを具体的に形にしたもので、いずれも AI Studio 上でそのまま編集して使える。
プロダクトを作る人にとって、これは何を意味するのか
上記の能力を実際に落とし込むと、今回の発表は実質的に3種類のシーンを解放したことになる。
一つ目、画像生成コストが1000枚あたり約$0.034（人民元換算で約0.24元）、1枚4秒にまで下がった。大量の画像生成や素早い試行錯誤が必要なプロダクトのプロトタイプを、より低い予算で回せるようになり、試行錯誤の限界コストが非常に低くなる。
二つ目、動画生成と対話式編集が初めて API を通じて直接公開された。開発者は「生成モデル」と「編集ツール」という2つのシステムを自分でつなぎ合わせる必要がなくなり、1つの API で生成も編集もできる。
三つ目、画像から動画への生成をチェーンのように呼び出せる。まず画像を出し、それを動画にし、さらに3ラウンドまで編集を重ねられる。これによりリフォーム効果の確認、観光名所巡り、EC 向け商品紹介動画といったインタラクティブなアプリケーションが生まれており、公式の3つのデモがそのお手本だ。
現時点でまだできないこと
Omni Flash は現在パブリックプレビュー版であり、公式自身がいくつかの制限を挙げている。使う前に限界を知っておき、能力への期待を過度に高くしないほうがいい。
- 1回の動画生成の上限は10秒。公式によれば、より長い尺への対応は近日中に予定されているという。
- Gemini API では、このモデルは現時点で音声リファレンスのアップロードに対応しておらず、シーン拡張にも対応していない。
- 3秒以内の動画リファレンスは、API の schema 上は受け付けられるが、モデルは現時点では処理できない。
- カットを切り替えたりパン撮影をしたりする際、キャラクターの一貫性にはまだ制約があり、公式は改善中だとしている。
ついでに：透かしとコンテンツのトレーサビリティ
新しい価格は同種のものと比べて何が違うのか
具体的な数字で締めくくろう。Nano Banana 2 Lite の着地点は「シリーズ内で最速・最安」、Omni Flash の着地点は「Veo 3.1 Fast と同価格」。この2点が、今回の発表で最も明確な価格シグナルだ。
動画の秒単価：Omni Flash は Veo 3.1 Fast と同水準
言い換えれば、Google はこの初公開の動画モデルを、既存の Veo 3.1 Fast と同じ秒単価にそのまま設定した。画像生成側では、Nano Banana 2 Lite は公式が名指しで、初代 Nano Banana ユーザーに直接乗り換えるよう勧めている、最速・最安のグレードだ。
It's our recommended replacement for developers currently using our first version of Nano Banana, you can swap it out now for immediate benefits across key performance dimensions. Google 公式ブログ、2026-06-30
Google が画像生成を1枚4秒に短縮、動画モデルも初めて開発者に公開
同じ日に2つ連続発表：最速・最安の画像生成モデル Nano Banana 2 Lite と、初めて外部公開された動画モデル Omni Flash。この2つはつなげても使え、図解入りで1ページにまとめた。
↓ このページで読み切り · 動く図が1つあります
この2つは、一方が「文字入力から画像を生成する」担当、もう一方が「画像やテキストを動画に変える」担当。Google は実はとっくにこれができていた。引っかかっていたのは「できるかどうか」ではなく「手軽に使えるかどうか」だった。
✘ ただし動画モデルはずっと Google 自社アプリの中だけに存在し、開発者はそもそも手に入れられなかった。「まず生成、それから動画を編集」をやろうとすると、自分で2つのシステムを組み合わせる必要があった。主力の画像生成もまだ遅くて高い初代モデルのままだった
能力自体はあったのに、開発者がすぐ使えて、しかも安上がりな一気通貫のパッケージになっていなかった。今回埋められたのはまさにこの部分だ。
今回 Google は動画モデルを初めて API（開発者がモデルを呼び出すインターフェース）経由で提供し、同時にシリーズ内で最速・最安の新しい画像生成モデルに切り替えた。変化を並べて見るのが一番わかりやすい。
動画モデルは Google 自社アプリの中だけにあり、開発者は触れられなかった。動画を1回編集するには要件全体を最初から書き直す必要があり、さらに別の編集ツールを組み合わせる必要もあった。主力の画像生成は遅くて高い初代を使っていた。
動画モデル Omni Flash が初めて API 経由で公開され、「カメラをもう少し引いて」のひと言で編集できる。画像生成は Nano Banana 2 Lite に切り替わり、1枚4秒、1000枚あたり0.24元。公式は初代からそのまま乗り換えることを直接勧めている。
公式によれば、本当に便利なのはこの2つのモデルを1本の流れにつなげられる点だという。では実際どうつなげ、どうやって「ひと言で3ラウンド編集」を実現しているのか？下の図を見てほしい。
公式の「Anywhere」という遊び方を例に挙げよう：小互は自撮り写真を、自分がエッフェル塔の前に立っている動画にしたいと思っている。
「速い、安い」と言われてもピンとこないが、金額に換算すれば実感が湧く。画像生成のコストがどれほど低いか、ミルクティー1杯を物差しにするのが一番わかりやすい。
これらの数字はすべて Google 公式ブログと自己評価ベンチマークによるもので、第三者による再現検証はまだない。話を鵜呑みにしすぎないほうがいい。動画は現時点で1回あたり10秒が上限で、カット切り替えやパン撮影の際は人物の顔がまだ不安定であり、公式は改善中だとしている。
動画にしたい…
- × 動画モデルは
Google 自社アプリの中だけ - × 動画を編集するには
自分で2つのシステムを組む必要 - × 主力の画像生成は
遅くて高い初代のまま
1000枚で約3銭（¥0.24）
早すぎでしょ
動画になるの？
それを動かすんだ。
さっきのを覚えてるから。
直前のステップがどの画像か覚えてくれる。
- × カットを変えると、人物の見た目が崩れる
- × 速度も価格もすべて公式の自己測定
第三者による再現検証はまだない。