Gemini Omni：動画を作り、直すGoogleの動画モデル

Gemini Omniとは

Gemini Omniは、どんな入力からでもコンテンツを作るGoogle DeepMindのモデル群です。最初に出たのは動画です。Googleは2026年5月のI/Oでモデルを見せ、「Nano Bananaを動画向けに想像してください」と説明しました。結果はどの段階でも、普通の文で直せます。

OmniはGeminiの世界知識に寄りかかります。物理、歴史、科学、文化です。だから「1世紀の水道橋の建設」や「運河の閘門の仕組み」のような場面は、きれいなだけではなく、もっともらしい細部で出ます。

2026年8月27日にOmni 1.1 Flashが出ました。安定版で、シーンの延長、最初と最後のフレームの制御、360pの下書き、4Kまでの出力があります。Gemini APIのドキュメントでは、Googleはこれを既定の動画モデルにし、Veo 3.1は個別の用途向けにしています。

Gemini Omniができること

世界知識。 実在の文脈から場面を頼むと、歴史的にも物理的にももっともらしい細部をモデルが補います。

複数の参照から一つの場面。 一人は一枚の写真から、ドレスは別の一枚から、ロフトは三枚目から。Omniはそれらを一本にまとめ、見た目を保ちます。

完成クリップの修正。 Veoとの主な違いです。動画を読み込み、変更を書いてください。天候、服、光、物体、カメラの動き。次の修正は前の結果の上に乗ります。

最初と最後のフレーム。 二枚の絵から、モデルが音付きの移行を作ります。

写真を動かす。 画像がクリップの最初のフレームになります。煙、水滴、カメラの動き。

延長。 APIではクリップを10秒ずつ、40秒まで延ばせます。モデルは最後のフレームだけでなく、前の動画の最大10秒を見ます。

Gemini Omniが向く作業

• 完成クリップの修正。 天候、時間帯、服を変え、物体を外します。撮り直しは不要です。
• 教育と歴史の場面。 細部のもっともらしさが大事なとき。
• 商品写真からの広告。 物撮りが短いクリップになります。
• 音声付きの短い縦動画。 ソーシャル向けです。
• 速い反復。 下書きは360p、仕上げは1080pか4K。

Gemini Omniと代替モデル

	Gemini Omni 1.1 Flash	Veo 3.1	Seedance 2.5
開発元	Google DeepMind	Google DeepMind	ByteDance Seed
1回の長さ	3〜10秒	4、6、8秒	最長30秒
延長	最長40秒	最長148秒（API、720p）	2回
解像度	最大4K（アップスケール）	最大4K	非公開
入力	テキスト、画像、動画	テキスト、画像3枚まで	テキスト、写真30枚、動画10本、音声10本
完成動画の修正	あり。文で	なし	あり
発話の言語	完全対応は英語	非公開	非公開
AI2Faceでは	あり	あり	あり

OmniはGoogleのモデルの中でいちばん柔軟です。動画を直し、動画を入力に取れます。Veo 3.1は8秒クリップの画質と、最後のフレームを正確に指定するモードで勝ちます。Seedance 2.5は1回の生成でいちばん長いクリップを作ります。

Gemini Omniのプロンプトの書き方

• 生成はVeoと同じ式です。カメラ、主体、動作、場所、スタイル。音は別に書いてください。
• 修正は一度に一つにして、残すものを明示してください。「天気を晴れの日に変えて。カメラの動き、構図、灯台は残して。」
• 参照は、どの絵から何を取るか書いてください。「一枚目の女性が、二枚目のドレスを着て、三枚目のロフトにいる。」
• 反復は360pから始めてください。Googleによれば、下書きは最大60%速く、720pの3分の1の費用です。
• セリフは英語の方が安定します。他の言語はGoogleが公式に評価していません。

この動画の天気を、穏やかで晴れた夏の日に変えてください。澄んだ青い空、
小さな波のある穏やかなターコイズの海、白い灯台に明るい太陽、崖の緑の草。
同じカメラの動き、構図、灯台は残してください。音: 嵐の代わりに穏やかな波とカモメ

AI2FaceでGemini Omniを使う

1. ジェネレーターを開き、動画とモデル Gemini Omni 1.1 Flash を選んでください。
2. モードを選んでください。テキスト、写真、参照（画像6枚まで）、または最初と最後のフレームです。
3. 長さ（4、6、8、10秒）、画面比（16:9か9:16）、解像度を指定してください。
4. 生成を始めてください。費用は事前に表示されます。

完成動画の編集と延長はAI2Faceのジェネレーターにあります。Nano Banana 2やSeedreamの画像を、そのままクリップの最初のフレームにできます。OmniはAI2Faceのジェネレーターで使え、料金は生成前に表示されます。

制限

• 言語。 完全対応は英語です。他の言語はGoogleが評価していません。
• 音声。 声は修正できず、音声参照はAPIではまだ非対応です。
• 発話の延長。 人が話しているアップロード動画を延ばして、新しいセリフを足すことはできません。
• 複雑な動きと文字。 モデルカードでGoogleは、修正時の完全な一貫性、複雑な動き、画面内の正確な文字を難しい点としています。
• 地域。 動画の保存と編集は、EEA、スイス、英国では使えません。
• 表示。 すべてのクリップにSynthIDがあります。印はGeminiアプリ、Chrome、Google検索で確認できます。

まとめ

Gemini OmniはGoogleの日常使いの動画モデルです。入力が柔軟で、音があり、何より完成クリップを普通の文で直せます。写真と参照からのクリップ、教育の場面、速い反復に向きます。8秒クリップの最高画質と、最後のフレームへの正確な移行にはVeo 3.1を、1回の生成で長い物語にはSeedance 2.5を選んでください。AI2FaceではOmniが画像モデルと並び、ジェネレーターの一枚がそのまま動画の最初のフレームになります。