# Gemini Omni：動画を作り、直すGoogleの動画モデル

> Gemini Omniは、2026年5月のGoogle I/Oで発表されたGoogle DeepMindの動画モデルです。Omni 1.1 Flash（2026年8月27日）はテキスト、画像、短い動画から3〜10秒の音声付きクリップを作り、普通の文で完成クリップを修正し、40秒まで延長します。Googleはこれを「動画版Nano Banana」と呼んでいます。Omni FlashはAI2Faceのジェネレーターで使えます。

開発元: Google DeepMind · リリース: 2026-08-27 · 更新日 2026-10-01
URL: https://ai2face.com/ja/models/gemini-omni

## 主要データ

| | |
|---|---|
| 開発元 | Google DeepMind |
| 公開日 | 発表は2026年5月（Google I/O）。Omni 1.1 Flashは2026年8月27日 |
| できること | テキスト、画像、動画から音声付き動画を作り、編集する |
| 長さ | 1回3〜10秒。10秒ずつ延長して最長40秒 |
| 解像度 | 360p、720p。1080pと4Kはアップスケール。毎秒24フレーム |
| 画面比 | 16:9と9:16 |
| 参照 | 画像と、3秒の動画を最大3本 |
| 音声 | 映像と一緒に生成 |
| 表示 | 見えない透かしSynthID |
| AI2Faceでは | あり。ジェネレーターではOmni 1.1 Flash |

## 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](/ja/models/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](/ja/models/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。

[建設中のローマの水道橋を上空から。作業員が踏み車クレーンで石を持ち上げ、木の支保工の上にアーチを組む](https://ai2face.com/_astro/media/models/gemini-omni/world-knowledge.mp4 "プロンプトが名指しするのは時代と道具だけ。工事の細部はモデルが補いました。Gemini Omni 1.1 Flash、10秒")

**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。

[黒いボブの女性が緑のシルクのドレスでロフトを高い窓へ歩き、カメラに振り向いて微笑む](https://ai2face.com/_astro/media/models/gemini-omni/references.mp4 "参照は三つ。自撮り、ハンガーのドレス、空のロフト。顔とドレスは元と一致します。Omni 1.1 Flash、9:16、8秒")

**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。

[崖の灯台へ向かう同じドローンの飛行。嵐の代わりに晴れた夏の日、穏やかなターコイズの海、緑の草](https://ai2face.com/_astro/media/models/gemini-omni/edit.mp4 "一文での修正。Veo 3.1の嵐のクリップが晴れた日になり、構図とカメラの動きは残っています。Omni 1.1 Flash")

**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。

[自宅の台所で女性がスマホを下ろすと、台所がベージュ背景の写真スタジオに溶け、グレーのTシャツが白いシャツになる](https://ai2face.com/_astro/media/models/gemini-omni/first-last-frame.mp4 "最初のフレームは自撮り、最後はプロンプト集のスタジオ肖像です。Omni 1.1 Flash、9:16、8秒")

**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。

[濡れた石の上の香水瓶へカメラがゆっくり寄る。煙が漂い、一滴が落ちて波紋が広がる](https://ai2face.com/_astro/media/models/gemini-omni/image-to-video.mp4 "Seedream 4.5の商品写真が広告クリップの最初のフレームになりました。Omni 1.1 Flash、9:16、6秒")

**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](/ja/models/veo-3-1) | [Seedance 2.5](/ja/models/seedance) |
|---|---|---|---|
| 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](/ja/models/nano-banana-2)や[Seedream](/ja/models/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](/ja/models/veo-3-1)を、1回の生成で長い物語には[Seedance 2.5](/ja/models/seedance)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。

## よくある質問

### Gemini Omniとは何ですか？

テキスト、画像、動画をどんな組み合わせでもクリップにし、普通の文で直すGoogle DeepMindの動画モデルです。家族の最初の版がGemini Omni Flash、現在の版がOmni 1.1 Flashです。

### Gemini OmniはVeo 3.1と何が違いますか？

Omniは入力の種類が多く、完成クリップを対話で直せます。Veo 3.1は短いクリップの最高画質を出します。GoogleはOmniを既定の動画モデルにし、Veoはシーンの延長、最後のフレームのモード、古いパイプライン向けとしています。

### Gemini Omniは何秒の動画を作りますか？

1回の生成で3秒から10秒です。10秒ずつ、40秒まで延長できます。AI2Faceでは4、6、8、10秒が使えます。

### 英語以外の言語も理解しますか？

Googleが完全に文書化しているのは英語だけで、他の言語は公式には評価されていません。セリフは英語の方が安定します。他の言語のプロンプトもたいてい理解し、私たちのテストでのロシア語もその例です。

### Gemini Omniの公式サイトはどこですか？

専用サイトはありません。公式にはGeminiアプリ、YouTube ShortsとYouTube Create、Google AI Studio、Gemini APIで動きます。名前に「omni」を含むドメインは第三者のサービスです。

### Gemini Omniは無料で試せますか？

GoogleではYouTube ShortsとYouTube Createが無料、GeminiアプリはGoogle AI Plus、Pro、Ultraの契約が必要です。AI2FaceではOmniがジェネレーターでクレジット制で使え、料金は生成前に表示されます。登録後に開始クレジットが付きます。

## 出典

- https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-omni/
- https://blog.google/innovation-and-ai/technology/developers-tools/build-with-gemini-omni-1-1-flash/
- https://ai.google.dev/gemini-api/docs/omni
- https://deepmind.google/models/model-cards/gemini-omni-flash/
- https://ai.google.dev/gemini-api/docs/veo
- https://seed.bytedance.com/en/blog/one-take-creation-flexible-referencing-introducing-seedance-2-5