Veo 3.1プレビュー版の終了｜Gemini Omniへ移る前に

Gemini APIでVeo 3.1のプレビュー版（モデル名の末尾が -preview のもの）を使っているなら、2026年10月22日に終了する予定です。Googleは移行先としてGemini Omni 1.1 Flash（gemini-omni-1.1-flash）を指定しています。一方、Vertex AIで使える正式版のveo-3.1-generate-001は、引退が「2026年11月17日以降」とされていて、10月22日の終了には含まれません。

この記事では、2026年10月14日に公式ページで確認した終了するモデルの一覧、使っているVeoの見分け方、Gemini Omniの仕様と料金を整理します。あわせて、FablessBridgeが10月12日にVertex AIのVeo 3.1で試作した画像と指示文を、10月14日にそのままGemini Omniでも試した結果を紹介します。

4つとも移行先はgemini-omni-1.1-flashです。Googleの終了予定のページでは、表の日付は「早ければこの日に終了する」という最短の日付で、正確な日付は事前に知らせるとされています。日付が延びる可能性はありますが、10月22日に止まる前提で準備しておくのが安全です。

Vertex AIの正式版（veo-3.1-generate-001 と veo-3.1-fast-generate-001、2025年11月17日公開）は、引退が「2026年11月17日以降」と表示されていて、具体的な日付はまだ決まっていません。

同じVeo 3.1でも、どこから呼び出しているかで終了の予定が違います。次の2点を確かめます。

fal・Runwayなど別のサービスからVeo 3.1を使っている場合は、そのサービスがどのモデルにつないでいるかで影響が変わります。各サービスのお知らせや料金ページで、10月22日以降の扱いを確かめてください。

Gemini Omni 1.1 Flashは2026年8月27日に正式版になった、動画の生成と編集ができるモデルです。公式の説明で確認できた主な仕様は次のとおりです。

指示の出し方にも違いがあります。否定の指示（ネガティブプロンプト）の項目やシステム指示、temperatureの設定は使えず、避けたいことは指示文の中に書きます。Veo 3.1で使っていた指示文や設定は、そのままでは同じ結果にならない前提で試し直します。

いずれもGemini APIの料金表の値です（2026年10月14日時点、税抜き）。Gemini Omniは出力100万トークンあたり17.50ドルで、720pの動画1秒が5,792トークンとして計算されます。720pで8秒の動画なら、Veo 3.1は3.20ドル、Gemini Omniは約0.80ドルです。

720p以外の解像度でGemini Omniがいくらになるかは、料金表に書かれていませんでした。1080pや4Kで使う予定なら、少ない本数で試して実際の費用を確かめます。

10月12日に、浮世絵風に描いた美人画1枚をVertex AIのVeo 3.1（veo-3.1-generate-001）で動かしました。縦9:16・8秒・720pで、2回試しています。

1回目は音声を生成する設定にし、江戸の売り子のように日本語の台詞を3つ話すよう指示しました。木版画らしい平らな色と輪郭は最後まで保たれ、台詞に合わせて口が動きました。ただし頭が大きく左右に動き、かんざしの形もコマによって変わりました。生成された音声を音声認識で文字に起こすと、2つ目の台詞はほぼ指示どおりに聞き取れ、1つ目と3つ目は一部が違って聞き取られました。

2回目は音声を生成しない設定にし、「頭は動かさず、口と目だけを動かす」と指示しました。それでも途中で顔の向きが変わり、最後の1秒ほどでは手まで動きました。動きを止める指示は、どちらの回でも守りきれませんでした。

10月14日に、同じ美人画と同じ指示文をそのままGemini Omni 1.1 Flashに渡し、縦9:16・720pで2本作りました。尺を指定する項目はなく、台詞ありの回は10秒、時間割を8秒まで書いた口と目だけの回は8秒で返ってきました。応答までは約42秒と約36秒で、応答に含まれる出力トークン数から計算した費用は約1.03ドルと約0.83ドルです。

いちばんの違いは、絵の保たれ方でした。Gemini Omniは2本とも頭と体の向きがほぼ変わらず、かんざしの形もそろったままでした。そのぶん口と目の動きは小さめです。Veo 3.1は2本とも頭が大きく動き、かんざしの形も変わりました。

台詞の聞き取りやすさも比べました。3本の音声を同じ音声認識モデル（Whisper large-v3）で文字に起こすと、Gemini Omniは3つの台詞がほぼ指示どおりに起こされ、違ったのは「胡麻」が「キマ」になった程度でした。Veo 3.1は2つ目の台詞はほぼ合っていましたが、3つ目は意味の通らない文に起こされました。

口と目だけを動かす回では、Gemini Omniは頭も手もほとんど動かさず、Veo 3.1より指示に沿っていました。ただし「音声なし」と書いても音声は付き、台詞は聞き取られなかったものの音は入っていました。Gemini Omniには音声を止める設定が見当たらないため、音を別に作る制作では編集で差し替えます。

どちらも1本ずつの試作なので、モデルの傾向と言い切ることはできません。それでも、絵柄を崩さずに動かしたい用途では、Gemini Omniへの移行は試す価値があると感じました。口の動きを大きくしたい場合は、指示文の書き方を変えて試し直します。

動画生成AIのモデルは、数か月から1年ほどで新しいものに置き換わります。ほかのモデルとの比べ方や、同じモデルでも使うサービスで変わる費用は「動画生成AIの選び方」の記事にまとめています。