- Sora の Videos API は2026年9月24日に停止し、Veo 3.1 Preview も同年10月22日に Gemini API から外れたため、2026年後半の選択肢は一年前とまるで違います。
- Gemini Omni 1.2 Flash は720pで約0.07ドル/秒、Kling 4.0 は最大30秒、Seedance 2.5 は4Kまで対応と、強みがはっきり分かれています。
- オープンウェイト勢では Wan2.2 が Apache 2.0、LTX-2.5 が年商1,000万ドル未満なら商用無償という条件で公開されています。
2026年、何が変わったのか
動画生成AIの比較記事は、半年で中身が使えなくなります。2026年はその入れ替わりが特に大きい年でした。
まず OpenAI の Sora です。公式の廃止一覧を見ると、Videos API と sora-2、sora-2-pro、および日付付きスナップショットがすべて2026年3月24日に告知され、同年9月24日に停止しています。代替として挙げられているのは「1対1で置き換わるモデルはない」という一文だけで、移行先のモデル名は示されていません。現在の OpenAI のモデル一覧に動画生成モデルは載っていません。
Google 側も動いています。Veo 3.1 の Preview 系(veo-3.1-generate-preview ほか)は2026年10月22日に Gemini API から停止し、ドキュメントは移行先として Gemini Omni Flash、あるいは Gemini Enterprise Agent Platform 経由の GA(Generally Available: 正式提供)モデルを案内しています。さらに Gemini Omni 1.1 Flash も退役が決まっており、2026年12月3日以降のリクエストは1.2 Flash に振り向けられ、1.2の料金で課金されます。
つまり、2026年11月の時点で「とりあえず Sora か Veo」という選び方は成立しません。代わりに、Google の Omni 系、中国勢の Kling と Seedance、Runway の自社モデルと集約API、そしてオープンウェイト勢という4つの層で考えるのが実態に合っています。
主要モデルを一覧で比較
まずホスト型(API経由で使うタイプ)を並べます。単価は Google の公式料金と、Runway の開発者向け料金表(1クレジット = 0.01ドル)から換算した参考値です。同じモデルでも提供経路によって価格が変わる点に注意してください。
モデル | 最大尺 | 解像度 | 音声 | 720p換算の単価(1秒) |
|---|---|---|---|---|
Gemini Omni 1.2 Flash | 3〜15秒(延長で合計30秒) | 360p / 720p / 1080p / 4K | ネイティブ生成 | 約0.07ドル |
Kling 4.0 | 30秒 | 720p / 1080p | 常に込み(切替なし) | 約0.13ドル |
Kling 4.0 Flash | 20秒 | 720p | 同価格で込み | 約0.094ドル |
Seedance 2.5 | 30秒 | 480p / 720p / 1080p / 4K | 対応(音声参照も可) | 約0.30ドル |
Runway Gen-4.5 | 公開情報なし | 公開情報なし | 記載なし | 約0.12ドル |
Runway Gen-4 Turbo | 公開情報なし | 公開情報なし | 記載なし | 約0.05ドル |
Wan 3.0(Runway経由) | 30秒 | 480p / 720p / 1080p | 対応 | 約0.10ドル |
Veo 3.1(Runway経由) | 公開情報なし | 公開情報なし | 対応 | 0.40ドル(音声なし0.20ドル) |
表を眺めると、価格帯が3つに分かれているのが見えてきます。1秒あたり0.05〜0.07ドルの試作レンジ、0.1〜0.2ドルの実用レンジ、そして0.3ドル以上の高解像度レンジです。Veo 3.1 が Gemini API では停止したのに Runway では使えるのも、2026年の少し奇妙な点でしょう。
料金はどう見るのが正しいか
Google の Gemini Omni 1.2 Flash は、動画出力トークン100万あたり12.00ドルという課金方式です。解像度ごとに消費トークンが変わるので、実効単価は360pで約0.023ドル/秒、720pで約0.07ドル/秒、1080p(アップスケール)で約0.104ドル/秒、4K(同じくアップスケール)で約0.209ドル/秒になります。10秒の720p動画なら約0.70ドル、15秒なら約1.04ドルという計算です。
ここで見落としやすいのが最低課金です。Runway 経由の場合、Gemini Omni 1.2 Flash は1リクエスト6クレジット、Kling 4.0 Flash は29クレジット、Seedance 2.5 は80クレジットが下限として設定されています。3秒の短いクリップを大量に試すワークフローでは、秒単価より下限の方が効いてきます。
参照入力の課金も設計に影響します。Gemini Omni 1.2 Flash は参照画像やキーフレームが1枚1クレジット、入力動画が1秒1クレジットの追加です。Seedance 2.5 はさらに重く、720pなら出力30クレジット/秒に加えて入力・参照動画が1秒あたり15クレジット、4Kでは出力110に対し入力57という比率になります。既存素材を editing する使い方では、出力尺だけで見積もると大きく外れます。
割引やキャンペーンも現在進行中です。Kling 4.0 は2026年11月30日(UTC)まで20%割引で、12月1日からは720pが15.7クレジット/秒、1080pが23.5クレジット/秒の定価に戻ります。見積もりを作るときは期限を必ず確認してください。
音声つき生成の現在地
2026年の大きな変化は、音声が「おまけ」から標準装備になったことです。ただし扱い方は各社でかなり違います。
Gemini Omni 1.2 Flash は映像と同期した音声をネイティブに生成します。一方で、音声ファイルのアップロード入力には対応しておらず、生成後の声だけを差し替える voice editing もできません。音声は「出力の一部」であって「制御できる素材」ではない、という設計です。
Kling 4.0 は音声が常に価格に含まれ、オン・オフの切替がありません。使わない場面でも料金は変わらないため、無音クリップを量産するなら Kling 3.0 系(音声がオプション)や別モデルの方が無駄が出ません。Veo 3.1 は逆に、Runway 経由で音声あり40クレジット/秒、音声なし20クレジット/秒と、きれいに2倍の差がついています。
音声を素材として与えたい場合は、Wan 3.0 や Seedance 2.5、MiniMax H3 のように音声参照を受け付けるモデルが候補です。Seedance 2.5 は音声参照の追加料金がかからないので、既存のナレーションに合わせて映像を作る用途では計算が楽になります。
Runway は一本化の窓口になった
Runway の立ち位置は、自社モデルのベンダーから「集約プラットフォーム」へと移っています。開発者向けドキュメントのモデル一覧には29種類の動画モデルが並び、自社の Gen-4.5、Gen-4 Turbo、Aleph 2.0、Act-Two のほかに、Kling、Seedance、Gemini Omni Flash、Wan 3.0、MiniMax H3、Grok Imagine Video 1.5、Veo 3.1 までが同じAPIから呼べます。
加えて Model Router という仕組みがあり、ルーター宛のリクエストは選ばれたモデルの料金で課金され、レスポンスに「どのモデルを使い、いくらかかったか」が返ります。複数ベンダーと個別契約せずに比較検証したいチームには、現実的な出発点になるはずです。

ただし、同じモデルでも経路によって条件が揃うわけではありません。Gemini Omni 1.2 Flash の720pは Google 直接でも Runway 経由でも約0.07ドル/秒と一致しますが、マルチターン編集のような機能は提供元のAPIに直接つないだ方が細かく制御できます。図1のように、検証は集約API、本番は直接という二段構えも選択肢になります。
Gemini Omni Flash の実装イメージ
Google の Omni 系は Interactions API という新しい入口を使います。尺や解像度は response_format で指定し、ここで指定した長さはプロンプト内の記述より優先されます。
import base64
from google import genai
client = genai.Client()
interaction = client.interactions.create(
model="gemini-omni-1.2-flash",
input="A marble rolling fast on a chain reaction style track, continuous smooth shot.",
response_format={
"type": "video",
"aspect_ratio": "9:16",
"resolution": "1080p",
"duration": "15s",
},
)
with open("marble.mp4", "wb") as f:
f.write(base64.b64decode(interaction.output_video.data))
編集や延長は previous_interaction_id を渡すだけで、動画を再アップロードせずに続けられます。参照画像は最大6枚までキャラクターや物体の一貫性に使え、参照動画は1本3秒までという制限があります。最初と最後のフレームを指定した補間や、末尾への延長は3〜10秒の範囲で、延長を重ねて合計30秒まで伸ばせます。
制約も把握しておきましょう。system instruction、temperature、top_p、stop sequence、negative prompt の各パラメータは使えず、否定的な指示はプロンプト本文に書くしかありません。完全にサポートされている言語は英語のみで、日本語プロンプトは未検証扱いです。出力には SynthID の電子透かしが入り、4MBを超える動画は delivery: "uri" でファイル取得に切り替える必要があります。アップロードした動画の編集・延長は EEA(欧州経済領域)、スイス、英国では利用できません。
Genie 4 という別の方向
クリップを作るのとは発想が違うのが Genie 4 です。こちらはリアルタイムの対話型ワールド生成で、16:9の24fps(frames per second: 1秒あたりのフレーム数)映像と48kHzステレオ音声を WebRTC や WebSocket でストリーミングします。WASDキーや矢印キーで動き回り、セッション中にテキストで世界に出来事を起こせます。詳しい公開経緯はGoogle DeepMindがGenie 4を提供開始、会話で世界を書き換えで扱っています。
課金は1フレーム240トークン、24fpsなら毎秒約5,760トークンで、100万トークン17.50ドルの単価から約0.10ドル/秒、1分あたり約6.05ドルになります。音声はこのトークン単価に含まれますが、無料枠や Batch、Flex、Priority では使えません。セッションを閉じないと課金が続くため、complete() の呼び出し忘れが事故につながります。
オープンウェイト勢の実力
自社インフラで動かしたい、生成物を外に出したくない、単価をゼロに近づけたいという要件なら、重み公開モデルが選択肢です。
項目 | Wan2.2-TI2V-5B | LTX-2.5 |
|---|---|---|
規模 | 5B | 約22B の DiT(Diffusion Transformer) |
解像度 | 720p(1280×704) | 1920×1088、追加段で4K |
フレームレート | 24fps | 24fps(例示値) |
音声 | 記載なし | 映像と同期して生成 |
GPU要件 | VRAM 24GB以上(RTX 4090 など) | fp8量子化とCPUオフロードで軽量化可 |
速度の目安 | 5秒を単一GPUで9分未満 | 公開情報なし |
ライセンス | Apache 2.0 | LTX-2.x Community License |
Wan2.2-TI2V-5B の魅力は条件の素直さです。Apache 2.0 で、VRAM(Video RAM: GPUの作業用メモリ)24GBのコンシューマ向けGPUにオフロード設定を併用すれば動き、80GB以上あればオフロードを外して高速化できます。Wan は14B級の T2V / I2V、動きを移す Animate、音声駆動の S2V と系列が揃っており、用途ごとに選べるのも実務では効きます。なお Runway の一覧にある Wan 3.0 はホスト提供で、Hugging Face の Wan-AI で重みが公開されている最新系列は Wan2.2 です。混同しないようにしてください。
LTX-2.5 は映像と音声を同時に生成し、audio VAE とボコーダを同梱しています。フレーム数は8の倍数プラス1という制約があり、121フレームなら24fpsで約5秒です。プロンプトから尺を決める duration predictor も用意されています。注意点はライセンスで、年商1,000万ドル未満の組織は商用・本番利用まで無償ですが、それを超えると有償の Commercial Use Agreement が必要になり、ファインチューンした重みの譲渡にも有償ライセンスが要る場合があります。Python 3.12以上、CUDA 12.7以上が前提で、NVFP4 版のチェックポイントは Blackwell 世代のGPUを要求します。
用途別の選び方
価格表を全部覚えるよりも、要件から逆算した方が早いはずです。
- SNS向けの短い縦動画: Gemini Omni 1.2 Flash。9:16対応、3〜15秒、720pで約0.07ドル/秒
- 15秒を超える一続きのカット: Kling 4.0(最大30秒)か Seedance 2.5(同30秒)
- 4Kの納品素材: Seedance 2.5。1080pまでなら Kling 4.0 の方が安い
- 既存映像の部分的な差し替え: Runway Aleph 2.0 や Seedance 2.5 の editing 系
- 大量の試作と当たり外れの確認: Gen-4 Turbo(約0.05ドル/秒)や Kling 4.0 Flash
- 外部に素材を出せない案件: Wan2.2 系か LTX-2.5 を自社GPUで
- 操作できる映像体験: Genie 4

図2の左下、ローカル実行から要件確認に戻る矢印が実務では重要になります。オープンウェイトを選んだつもりが、ライセンス条件や必要GPUの都合で成立せず、結局ホスト型に戻るケースが少なくありません。
導入前に押さえる注意点
最後に、比較表からは読み取れない落とし穴を挙げます。
1つ目は提供終了のリスクです。Sora の Videos API も Veo 3.1 Preview も、告知から半年程度で停止しました。Preview や Experimental 表記のモデルを本番の中核に据えるなら、モデルIDを設定ファイルで切り替えられる構造にしておくべきでしょう。Runway の Model Router のような抽象化層を挟むのも、この観点では合理的な選択です。
2つ目は地域と法務の制約です。Gemini Omni Flash は EEA、スイス、英国でアップロード動画の編集・延長が使えず、これらの地域では未成年が写った動画のアップロードも許容されません。生成物には SynthID の透かしが入るため、出所表示の方針も社内で決めておく必要があります。
3つ目は言語です。Omni Flash が完全にサポートする言語は英語だけで、他言語は未検証と明記されています。日本語のプロンプトがそれなりに動くとしても、品質が安定しない前提で、英語プロンプトへの翻訳を挟む設計にしておくと安全です。
価格と機能の差は今後も縮まる方向でしょう。それでも「尺」「音声の扱い方」「参照入力の課金」「ライセンス」の4点は各モデルの設計思想が出るところで、ここを押さえておけば新モデルが出ても比較の軸は使い回せます。
