Gemini Omniとは何か。VeoやNano Bananaとの関係
「ネイティブ マルチモーダル」って結局なんなのか
室谷代表取締役Gemini Omni、2026年5月20日にGoogle DeepMindが発表したモデルファミリーなんですよね。第一弾が Gemini Omni Flash で、API名は gemini-omni-1.1-flash。
名前だけ見ると「また動画生成モデルか」で終わりそうなんですけど、中身はちょっと違います。
名前だけ見ると「また動画生成モデルか」で終わりそうなんですけど、中身はちょっと違います。
テキトー教師DotAI 認定講師現場でよく聞くのは「テキストから動画でしょ？」という反応なんですよ。でも実際は、画像・音声・動画・テキストを最初から混ぜて渡す前提の設計なんですね。
素材を1個ずつ食わせる発想じゃないところが最初のつまずきです。
素材を1個ずつ食わせる発想じゃないところが最初のつまずきです。
室谷代表取締役公式の説明でも「ネイティブ マルチモーダル」で、Geminiの世界知識を前提に動画を作ったり編集したりする、という言い方になってます。動画専用モデルを別建てで育てるのではなく、モデル本体の側に動画を持たせる。
業界構造で言うと、そこが一番デカい変化なんですよね。
業界構造で言うと、そこが一番デカい変化なんですよね。
テキトー教師DotAI 認定講師名前が長いので、まず呼び方でつまずく人が多いですね。Omni は「オムニ」で、全部まとめて、という意味合いで捉えるとしっくりきます。
Veo 3.1に代わってGeminiアプリに入る、の意味
室谷代表取締役公式サイトに「GeminiアプリでVeoに代わって導入される」「前モデルのVeo 3.1に代わる、マルチモーダルAI動画生成・編集モデル」と明記されてるんですよ。つまり入り口そのものが入れ替わる。
テキトー教師DotAI 認定講師たしかに。Veoを前提に覚えた人は、同じ場所を開いたら別のモデルになっているわけで、手順の読み替えが必要になります。
ここ、ハマる人多いんですよ。
ここ、ハマる人多いんですよ。
室谷代表取締役経営目線で言うと、ツールが入れ替わるたびに社内の手順書と研修が再発生するのが地味に高いんですよね。時給で換算すると、制作そのものより「覚え直し」のほうがコストになってるケースありますし。
テキトー教師DotAI 認定講師ただ操作は自然言語なので、覚え直しの負荷自体は小さい印象です。昨日の手順が全部パー、という種類の入れ替わりではないですね。
Nano Bananaの動画版と呼ばれる理由
室谷代表取締役もう一つよく言われるのが、画像生成の Nano Banana の動画版という位置づけ。公式がそう書いてます。
テキトー教師DotAI 認定講師これ、整理すると分かりやすいんですよ。Nano Banana が静止画の担当で、Omni が動く絵の担当。
最初に戸惑うのが「Nano Banana と何が違うのか」という点なので、役割で分けて覚えると一気に楽になります。
最初に戸惑うのが「Nano Banana と何が違うのか」という点なので、役割で分けて覚えると一気に楽になります。
室谷代表取締役しかも画像のアニメーション化、つまり画像から動画にする機能があるので、手持ちの静止画資産がそのまま動き出すわけです。制作の流れで言うと、画像で絵コンテを作ってから動画に落とす、という工程が1つのモデルに寄ってくる。
発注の単位も変わってきますよね。
発注の単位も変わってきますよね。
テキトー教師DotAI 認定講師制作現場で言うと、絵コンテと本編でツールが分かれてる状態が一番ストレスなので、そこが繋がるのは大きいですね。
呼び方・綴りが揺れているときの確認方法
室谷代表取締役で、ここが実務でよく引っかかるんですけど、Omni の綴りを omini と書いてしまう人がいるんですよね。読み方が「オムニ」なので仕方ない部分はあるんですが、指しているものは同じです。
テキトー教師DotAI 認定講師初めて触る人はそこで迷うんですよ。「別のモデルがあるのか」と思ってしまう。
オムニは全部まとめて、という意味だと押さえておけば、表記が揺れても同じファミリーだと分かります。
オムニは全部まとめて、という意味だと押さえておけば、表記が揺れても同じファミリーだと分かります。
室谷代表取締役あと Gemini Omni と Gemini Omni Flash の呼び分けも曖昧になりがちで。Omniがファミリー名、Flashがその第一弾、という関係で覚えておくのが安全なんですよね。
テキトー教師DotAI 認定講師呼び名が増えると混乱するので、まず「ファミリーの第一弾が Flash」で固定しておくのがいいと思います。
Gemini Omniで具体的に何ができるのか
Gemini Omniでできる4つのこと
テキストから動画
Geminiの世界知識をもとに映像を生成。短い一文ではふわっとした映像になるため「何を、どんな画角で」を言葉で足す。Flashはスピード寄りなので数を回して当たりを探す使い方に向く。
画像から動画
静止画を渡して動かす。被写体がはっきり写り動きの余地がある構図ほど当たる。バナー素材1枚からショート動画を作れ、撮り直しの工程が消える。
マルチリファレンス入力
画像・動画・音声を組み合わせて参照。スタイル寄せ、被写体参照、最初と最後のフレーム指定で間を埋める。参照できる動画は本数・長さに上限があり、効く1本を選ぶほうが安定する。
Extend this video
10秒ずつシーンを延長。モデル生成の動画は合計40秒まで。10秒はショート動画で2〜3カット分。アップロード動画は末尾のみ延長でき会話での追加は不可。
テキストから動画を作る
室谷代表取締役まず一番シンプルなのが、テキストだけで動画が出てくるパターン。Geminiの世界知識をもとに映像を作る、というのがOmniの売りなんですよね。
テキトー教師DotAI 認定講師初めて触る人が最初に戸惑うのが、プロンプトの粒度なんですよ。これまでの動画生成と同じ感覚で短い一文を入れると、逆にふわっとした映像が返ってきて。
「何を、どんな画角で」を言葉で足す必要があります。
「何を、どんな画角で」を言葉で足す必要があります。
室谷代表取締役なるほど。じゃあ絵コンテを文章にする感覚に近いんですか。
テキトー教師DotAI 認定講師そうですね。あと第一弾のFlashはスピード寄りなので、じっくり1本を作り込むより、数を回して当たりを探す使い方のほうが噛み合います。
画像を動かす（画像から動画）
室谷代表取締役次が画像を動かすパターン。静止画を渡して、それを動かすやつです。
テキトー教師DotAI 認定講師これは現場でよく聞くんですが、写真をそのまま渡すと「動かす意味ある？」という結果になりがちで。被写体がはっきり写っていて、動きの余地がある構図のほうが当たります。
室谷代表取締役広告用に作ったバナー素材を動かしてショート動画にする、みたいな回し方は現実的ですか。
テキトー教師DotAI 認定講師素材が1枚あるだけで動画になりますから、撮り直しの工程が消えるのは大きいですね。
複数の素材を参照させるマルチリファレンス入力
室谷代表取締役マルチリファレンス入力というのがあって、画像・動画・音声を組み合わせて参照させられる。スタイルを寄せるとか、被写体を参照するとか、最初と最後のフレームを指定して間を埋めるとか。
テキトー教師DotAI 認定講師最初と最後のフレーム指定は分かりやすいですよね。コマ撮りの要領で、間をモデルに埋めてもらう感覚です。
室谷代表取締役ただ、参照できる動画は本数も長さも上限があったはず。業務で回すなら、そこを前提に絵コンテを切ったほうがいい。
テキトー教師DotAI 認定講師そうなんですよ。素材をたくさん集めるより、効く1本を選ぶほうが結果が安定します。
シーンを10秒ずつ延長する「Extend this video」
室谷代表取締役最後がシーンの延長。「Extend this video」で10秒ずつ伸ばせる。
モデルが生成した動画なら合計40秒まで、というのが上限なんですよね。
モデルが生成した動画なら合計40秒まで、というのが上限なんですよね。
テキトー教師DotAI 認定講師10秒って短く見えて、ショート動画だと2〜3カット分なんですよ。延長を重ねる前提で最初の10秒を設計するかどうかで、仕上がりがかなり変わります。
室谷代表取締役アップロードした動画は末尾だけ延長できて、会話での追加はできない、という違いもあったはず。
テキトー教師DotAI 認定講師はい、そこは混同しやすいです。自分で撮った素材を伸ばすのと、生成した動画を育てるのは別物だと思っておいたほうがいいですね。
会話形式の動画編集は実際どう操作するのか
「アニメ風に」「照明をドラマチックに」と話しかけて直す流れ
会話形式で動画を直す操作手順
- 01元動画を生成Gemini アプリまたは Google Flow で元になる動画を生成する
- 02アニメ風に指示生成された動画に「この動画をアニメ風に」と話しかけて送る
- 03照明を指示返ってきた動画に「照明をドラマチックに」と続けて指示する
- 04一つずつ重ねる直したい要素が複数あるときは、一度に詰め込まず一つずつ会話を重ねる
手順としてはこうです。
- Gemini アプリまたは Google Flow で元になる動画を生成する
- 生成された動画に「この動画をアニメ風に」と話しかけて送る
- 返ってきた動画に「照明をドラマチックに」と続けて指示する
- 直したい要素が複数あるときは、一度に詰め込まず一つずつ会話を重ねる
室谷代表取締役実際の操作は、タイムラインを触るというより、チャットで差分を指示する感覚なんですか。
テキトー教師DotAI 認定講師そうですね。生成した動画に対して「この動画をアニメ風に」とか「照明をドラマチックに」と話しかけて、返ってきたものにまた指示を足していく。
作り直しではなく、会話の続きとして編集する形です。
作り直しではなく、会話の続きとして編集する形です。
室谷代表取締役なるほど。カットを切り貼りするんじゃなくて、言葉で「ここをこう」と伝えるわけですね。
テキトー教師DotAI 認定講師ただ、動画内のセリフを変える音声編集は現状できないので、そこは映像側の調整と割り切る必要があります。動画参照は最大3本・各3秒まで、という制約もあります。
前のターンの文脈とキャラクターの一貫性を保つ仕組み
テキトー教師DotAI 認定講師会話で直せる理由が、前のターンの状態を引き継ぐ仕組みです。Interactions API では previous_interaction_id で会話状態を維持するので、前のターンで決めた人物や画風、物理法則を前提に次の指示を出せます。
室谷代表取締役毎回ゼロからプロンプトを書き直さなくていい、と。これは大きいですね。
テキトー教師DotAI 認定講師大きいです。ただし英語は完全にサポートされていますが、日本語は公式に評価されていない言語なので、英語ほど安定しない可能性があります。
指示は短く、前のターンで決めた要素を名指しすると伝わりやすいです。
指示は短く、前のターンで決めた要素を名指しすると伝わりやすいです。
室谷代表取締役業界構造で言うと、これは編集工程の分業を変えますよね。ディレクターが直接言葉で直せるなら、編集者への翻訳コストが減る。
プロンプト例と、効きやすい言い方・効きにくい言い方
テキトー教師DotAI 認定講師プロンプト例としては「この動画をアニメ風に」「照明をドラマチックに」のように、変えたい要素を一つずつ言うのが基本です。効きにくいのは、一度にたくさんの要素を詰め込む言い方ですね。
室谷代表取締役差分を小さく切る、と。
テキトー教師DotAI 認定講師あと「前のカットと同じ人物で」のように、前のターンの文脈を参照する言い方が効きやすいです。逆に「いい感じに」だけだと、モデルが何を優先するか読めません。
現場でよく聞くのは、最初の生成で全部決めようとして、その後の会話編集を使わないパターンです。
現場でよく聞くのは、最初の生成で全部決めようとして、その後の会話編集を使わないパターンです。
室谷代表取締役最初は粗く作って、会話で詰める方が早いんですよね。一発で完璧を狙うと、かえって時間がかかる。
どこで使える？Geminiアプリ・Google Flow・YouTube・API
Geminiアプリから使う場合
室谷代表取締役まず入口の整理からなんですけど、Geminiアプリの中ではVeoに代わってOmniが入る形になってるんですよね。つまり新しいアプリを覚えるというより、これまで動画を作ってた場所がそのまま置き換わる、という理解でいいはずです。
テキトー教師DotAI 認定講師現場でよく聞くのは「別のツールを入れないと動画は作れないんですか」という質問なんですよ。そこは安心で、いつものGeminiの画面から動画生成に入れます。
前のターンの文脈を保ったまま編集を重ねられるので、会話の続きとして直せるのが分かりやすいんですよね。
前のターンの文脈を保ったまま編集を重ねられるので、会話の続きとして直せるのが分かりやすいんですよね。
室谷代表取締役なるほど。さっきまで話してた会話型の編集が、そのままアプリ内で完結するわけですね。
テキトー教師DotAI 認定講師ただ、初めて触る人が最初に戸惑うのが「どのプランなら動画まで作れるのか」という点で。そこは料金の話になるので、別で整理した方がよさそうです。
Google FlowとYouTube Shorts・YouTube Createの違い
室谷代表取締役制作寄りの人向けにはGoogle Flowがあって、これはAIクリエイティブスタジオという位置づけなんですよ。で、YouTube ShortsとYouTube Createアプリの2つは無料で順次提供される、と。
入口ごとに得られるものが違うわけです。
入口ごとに得られるものが違うわけです。
テキトー教師DotAI 認定講師ここ、ごっちゃになりやすいんですよね。Shortsは投稿ありき、Flowは作品を作り込む前提、くらいの住み分けで捉えると現場ではしっくりきます。
まず無料で触ってみたい人はYouTube側から、という順番が自然だと思います。
まず無料で触ってみたい人はYouTube側から、という順番が自然だと思います。
室谷代表取締役経営目線で言うと、入口が3つに分かれてる状態って導入判断を地味に難しくするんですよ。部署ごとに使い始める場所がバラけると、後から素材もノウハウも散らばる。
最初にどこを標準にするか決めておいた方がいいんですよね。
最初にどこを標準にするか決めておいた方がいいんですよね。
テキトー教師DotAI 認定講師たしかに。あと無料の方は順次提供なので、自分のアカウントでまだ出てないこともあります。
「使えない」と決めつけずに公式の案内を見た方がいいですね。
「使えない」と決めつけずに公式の案内を見た方がいいですね。
API（gemini-omni-1.1-flash）で使う場合
室谷代表取締役開発者・企業向けはAPIで、発表時点では数週間以内に提供予定というアナウンスだったんですけど、すでにgemini-omni-1.1-flashとして提供が始まってるんですよね。
テキトー教師DotAI 認定講師ここで勘違いしやすいのが、アプリで触った感覚をそのまま持ち込めると思ってしまう点で。どのタスクかを指定できたり、解像度やアスペクト比を指定できたり、制御はAPI側の作法に寄ります。
室谷代表取締役細かい仕様は別の章で見るとして、入口としての性格だけ押さえると、プロダクトに組み込むならAPI、人が触るならアプリかFlow、という分かれ方です。一部の機能にはAPI側で制約があるので、検証の段階でそこを確認しておかないと後で詰まるんですよね。
テキトー教師DotAI 認定講師実装前に一度、公式ドキュメントの制約の一覧に目を通しておくのが結局いちばん早いと思います。
料金はいくら？無料で使える範囲とPlus・Pro・Ultraの差
無料プランでできること・できないこと
室谷代表取締役まず大前提として、無料プランは月0円で、Geminiアプリでの動画生成は含まれていないんですよね。ここを最初に押さえないと、あとで「作れない」となるので・・・
テキトー教師DotAI 認定講師初めて触る人が最初に戸惑うのがまさにそこです。「アプリを開いたのに動画のボタンが見当たらない」と。
実は無料で試せる入り口が別にあって、YouTube ShortsとYouTube Createアプリでは順次無料で提供されているんですよ。
実は無料で試せる入り口が別にあって、YouTube ShortsとYouTube Createアプリでは順次無料で提供されているんですよ。
室谷代表取締役つまり無料枠は「YouTube側で体験、Geminiアプリは対象外」という切り分けなんですよね。MYUUUの現場でも、まず無料で触って感触を見てから、です。
テキトー教師DotAI 認定講師たしかに。Short側で一度作ってみて、物足りなくなったらプランを考える、という順番が素直ですね。
Google AI Plusは月725円（旧1,200円からの値下げ）
室谷代表取締役Plusは月725円です。2026年6月8日（米国時間）に月額1,200円から約40%値下げされて、ストレージも200GBから400GBに倍増してます。
テキトー教師DotAI 認定講師ここ注意なんですよ。値下げ前の情報のまま1,200円で書かれている記事がまだ残っていて、初めて調べる人が古い価格を信じてしまうケースがあるので。
室谷代表取締役価格が変わると投資判断も変わるんですよね。月725円なら、費用対効果を考えるまでもなく試せる金額です。
付くのは無料版の2倍の使用量上限、Flashモデルへのアクセス、Flowクレジット200、400GBのストレージ。
付くのは無料版の2倍の使用量上限、Flashモデルへのアクセス、Flowクレジット200、400GBのストレージ。
テキトー教師DotAI 認定講師最初の一歩としてはここが一番バランスいいと思います。
Google AI ProとUltraで増えるもの
プラン別の料金と提供範囲
| プラン | 無料 | Google AI Plus | Google AI Pro | Google AI Ultra（最小構成） | Google AI Ultra（上位） |
|---|---|---|---|---|---|
| 月額 | ¥0 | ¥725 | ¥2,900 | ¥14,500 | ¥32,000 |
| 使用量上限 | 動画生成は対象外 | 無料版の2倍 | 無料版の4倍 | Proの5倍 | Proの20倍 |
| Flowクレジット | ― | 200 | 1,000 | 10,000 | 25,000 |
| ストレージ | ― | 400GB | 5TB | 20TB | 30TB |
室谷代表取締役上を狙うとこうなります。
| プラン | 月額 | 使用量上限 | Flowクレジット |
|---|---|---|---|
| Plus | 725円 | 無料版の2倍 | 200 |
| Pro | 2,900円 | 無料版の4倍 | 1,000 |
| Ultra | 14,500円〜 | Proの5倍 | 10,000 |
| Ultra上位 | 32,000円 | Proの20倍 | 25,000 |
テキトー教師DotAI 認定講師Proは5TBストレージで、Geminiのモバイルアプリからも使えるようになるのが地味に効きます。Ultraはストレージが20TB以上になる構成もある、と。
室谷代表取締役個人で触る分にはPlusからProの間で足りる話で、クレジットを大量に回す制作体制になるかどうかがUltraの分かれ目なんですよね。
使用量上限のリセット感覚とFlowクレジットの考え方
室谷代表取締役上限の仕組み、ここが誤解されやすいので整理しておきたいんですけど、5時間ごとにリセットされて、さらに週単位の上限も設定されているんですよ。
テキトー教師DotAI 認定講師現場でよく聞くのは「朝は制限が出たのに夕方には普通に使えた」という声です。1日単位で塞がっているわけではないので、時間をずらせば戻る感覚で見たほうがいいんですよね。
室谷代表取締役経営目線で言うと、クレジットは「制作本数の予算」として先に枠を決めるものです。月1,000クレジットで何本作るかを決めてから撮り始めると、あとで焦らない。
テキトー教師DotAI 認定講師上限とクレジットを同じものだと思う人が多いので、別々の財布として捉えると急に整理しやすくなります。
開発者向けAPI仕様。タスク指定・解像度・プロンプトタグ
taskで処理を明示する
室谷代表取締役APIはgemini-omni-1.1-flashとして提供が始まってるんですよね。taskパラメータで処理の種類を明示できるので、そこから整理しましょうか。
テキトー教師DotAI 認定講師たしかに。基本はプロンプトから自動判定してくれるんですけど、現場でよく聞くのは「画像を動かしたいのに、テキスト生成として解釈された」みたいなズレなんですよ。
そこを固定できるのが大きいですね。
そこを固定できるのが大きいですね。
室谷代表取締役指定できるのは5種類です。
| task | 想定用途 |
|---|---|
| text_to_video | テキストから動画を生成 |
| image_to_video | 画像を動かす |
| reference_to_video | 参照素材を効かせる |
| edit | 既存の動画を編集 |
| extend | シーンを延長 |
テキトー教師DotAI 認定講師最初に戸惑うのがeditとextendの違いなんですよ。延長は末尾をつなぐイメージで、編集は中身に手を入れる。
ここを混ぜると意図と違う結果になって、原因をプロンプト側だと誤解しがちです。
ここを混ぜると意図と違う結果になって、原因をプロンプト側だと誤解しがちです。
アスペクト比と解像度の指定
室谷代表取締役出力の形も決められるんですよね。アスペクト比は16:9がデフォルトで9:16も選べる。
縦のショート系を前提にするなら、最初に指定しておくべきところです。
縦のショート系を前提にするなら、最初に指定しておくべきところです。
テキトー教師DotAI 認定講師解像度は360pと720pがデフォルトで、その上に1080pと4kが乗る、という並びなんですよ。最初から4kで回す人がいるんですけど、試作は軽い設定で当たりを取ってから上げたほうが結果的に早いです。
室谷代表取締役開発工数に直結する話ですからね。試作は360pで回して、当たったカットだけ上げる。
同じモデルのまま解像度だけ変えられるので、本番用に別のものへ乗り換える手間がないのは大きいんですよ。
同じモデルのまま解像度だけ変えられるので、本番用に別のものへ乗り換える手間がないのは大きいんですよ。
テキトー教師DotAI 認定講師ただ4kはアップスケール扱いなので、360pで構図が破綻してるものを4kにしても直らないんですよ。順番が大事ですね。
タグで素材の役割を指定する
室谷代表取締役素材を複数渡すとき、プロンプト内のタグで役割を明示できるのが面白いところで。<FIRST_FRAME>と<LAST_FRAME>で最初と最後のフレームを指定して補間、<IMAGE_REF_N>と<VIDEO_REF_N>で参照素材を指す形ですね。
テキトー教師DotAI 認定講師現場感覚で言うと、文章で「この画像を参考に」と書くより、タグで役割を切ったほうが安定するんですよ。最初と最後を決める使い方はカット割りを自分で握れるので、編集に近い感覚で扱えます。
室谷代表取締役動画の参照は最大3本で各3秒まで、複数動画にまたがる推論は非対応、という制約も公式に書かれてます。ここを超える前提で設計すると詰まるので、絵コンテの段階で分けておく必要がありますね。
会話の続きと、大きなファイルの受け渡し
テキトー教師DotAI 認定講師編集を何度も重ねるときにprevious_interaction_idで会話状態を維持する、というのがこのAPIの肝なんですよ。前のターンの文脈やキャラクターの一貫性を保ったまま指示を足せます。
室谷代表取締役生成物の受け取りは、4MBを超える動画だとdelivery='uri'を使う形ですね。ここは最初にハマりやすいところで、レスポンスに本体が入ってこなくて止まる、みたいな話になります。
テキトー教師DotAI 認定講師初めて触る人はそこで止まりがちです。あと音声まわりは制約が多くて、システム指示やtemperature、top_p、停止シーケンス、音声参照のアップロードは現状サポート外、動画内のセリフ変更も非対応なんですよ。
前提として置いておくしかない部分ですね。
前提として置いておくしかない部分ですね。
室谷代表取締役英語は完全にサポートされるけど他言語は評価されていない、というのも公式に書かれてます。日本語で組むなら出力のぶれを見込んでおく。
仕様を読み込んだ上で、どこを人間が確認するかに予算を寄せる話になるわけです。
仕様を読み込んだ上で、どこを人間が確認するかに予算を寄せる話になるわけです。
デジタルアバターと安全性。SynthID・本人確認はどうなっている
Avatarsは何ができて、誰が使えるのか
室谷代表取締役Avatarsの話、先に線引きを押さえておきたいんですよね。自分そっくりの見た目と声で動画を作れる機能で、対象は18歳以上。
本人確認と同意のプロセスを通ることが前提になってます。
本人確認と同意のプロセスを通ることが前提になってます。
テキトー教師DotAI 認定講師そこが一番大事で。初めて触る人は「自分のアバターで何でも作れる」と思いがちなんですけど、実際は本人確認が先に来るんですよ。
室谷代表取締役MYUUUの現場でも、研修動画を自分のアバターで回せたら楽だよねという話は出ます。ただ最初から全社に配るのは怖いので、まずは数人で試す形にしています。
テキトー教師DotAI 認定講師音声や会話の編集は今もテスト中なんですよね。そこが安定してくるまでは、できることとできないことを分けて考えた方がよさそうです。
18歳以上・本人確認・同意という悪用防止の線引き
Avatars利用の判断フロー
自分のアバターで動画を作る前に確認すべきことは？
YES ／ 条件を満たす
- 18歳以上か確認
- 本人確認と同意のプロセスを通る
- 誰が誰のアバターを作れるかの権限を事前に決める
- 生成物にはSynthIDの電子透かしが入る前提で運用する
NO ／ 条件を満たさない
- 同意プロセスを飛ばす運用は絶対にダメ
- 権限を決めずに触り始めるのは最も危険なパターン
室谷代表取締役18歳以上っていう線、地味に効くんですよ。ディープフェイクの話って、結局「誰の顔を誰の同意で使ったか」に集約されるので。
テキトー教師DotAI 認定講師そうなんですよね。顔と声って、他のデータと違って取り返しがつかないじゃないですか。
一度出たものが消せない前提で考える必要があって。
一度出たものが消せない前提で考える必要があって。
室谷代表取締役だから同意のプロセスを飛ばす運用は絶対にダメで。業務で使うなら「誰が誰のアバターを作れるか」を先に決めておく。
これ、権限設計の話にかなり近いんですよね。
これ、権限設計の話にかなり近いんですよね。
テキトー教師DotAI 認定講師現場感覚で言うと、そこを決めずに触り始めてしまうのが一番危ないパターンです。
SynthIDの電子透かしと検証できる場所
室谷代表取締役生成物の側の対策も入っていて。生成された動画には全部SynthIDの電子透かしが埋め込まれるんですよね。
テキトー教師DotAI 認定講師検証できる場所も決まっていて、GeminiアプリとGemini in Chrome、あとGoogle検索で確認できると。受け取った側が「これAI生成かも」と確かめられるのは大きいです。
室谷代表取締役あわせてC2PAのContent Credentialsとセットで語られることもありますけど、公式に明記されているのはSynthIDの方なので、まずそこを押さえるのが確実ですね。
テキトー教師DotAI 認定講師透かしが入っているから安全、ではなくて、入っていることを前提に運用を組む。順番としてはそっちだと思います。
AI生成と分かる状態で商用利用を考える
室谷代表取締役商用で使えるかの判断、ここが一番聞かれるところで。透かしが入ったまま広告やPRに使うのは問題ないのか、という話ですよね。
テキトー教師DotAI 認定講師最初に戸惑うのがまさにそこなんですよ。「バレたらまずいのでは」と身構える人が多くて。
ただ、消す前提で考えるのがもう間違いで。
ただ、消す前提で考えるのがもう間違いで。
室谷代表取締役発想を逆にして、AI生成だと分かる状態で出すのを前提にする。業界構造としても、今後は生成物であることを示す方が広告主のリスクを下げる方向に動くはずなんですよ。
テキトー教師DotAI 認定講師実際の利用条件は規約の確認が必要なので、そこは公式を見てもらう前提で。ただ、身構えるより先に「分かる状態で使う」設計にしておくと、後から楽になります。
できないこと・他ツールとの使い分け・実務での回し方
公式に「できない」と書かれていること一覧
Gemini Omniの制約と地域差
| 項目 | 公式記載 | 補足 |
|---|---|---|
| 音声の編集 | × | 動画内のセリフ変更は非対応 |
| 音声参照のアップロード | × | 現状サポート外 |
| システム指示・temperature・top_p・停止シーケンス | × | API側で効かずプロンプト設計で担保 |
| 動画参照 | △ | 最大3本・各3秒、複数動画にまたがる推論は非対応 |
| 動画の延長 | △ | 10秒ずつ、生成動画は合計最大40秒。アップロード動画は末尾のみ |
| EEA・スイス・英国でのアップロード動画の編集・延長 | × | モデル生成動画の編集・延長は全地域で可 |
| 未成年が写る画像の編集 | × | 不可 |
| 日本語サポート | △ | 完全サポートは英語のみ。他言語は結果が変わる場合あり |
室谷代表取締役先に制約を並べておきますね。ここを知らずに触ると「あれ、できないの」で止まるので。
| 項目 | 公式の記載 |
|---|---|
| 音声の編集 | 動画内のセリフ変更は非対応 |
| 音声参照のアップロード | 現状サポート外 |
| システム指示・temperature・top_p・停止シーケンス | サポート外 |
| 動画参照 | 最大3本・各3秒まで。複数動画にまたがる推論は非対応 |
| 動画の延長 | 10秒ずつ、モデル生成動画は合計最大40秒。アップロード動画は末尾のみで会話の追加は不可 |
テキトー教師DotAI 認定講師音声が別枠なのは、初めて触る人がかなり戸惑うところです。映像だけ差し替えたいのに声が乗ってこない、みたいな。
室谷代表取締役API側でシステム指示が効かないのも、プロダクトに組み込む立場だと効いてくるんですよ。プロンプト設計で担保するしかない。
テキトー教師DotAI 認定講師延長が末尾だけ、っていうのも地味に効きますね。途中のシーンを差し込む使い方は想定されていない、という理解でいいと思います。
地域差と、日本語で使うときの注意点
テキトー教師DotAI 認定講師地域の話、最初に戸惑うのがここで。欧州経済領域・スイス・英国だと、アップロードした動画の編集と延長が使えないんですよ。
未成年が写る画像の編集も不可。ただ、モデルが生成した動画の編集・延長は全地域でいけます。
未成年が写る画像の編集も不可。ただ、モデルが生成した動画の編集・延長は全地域でいけます。
室谷代表取締役海外向けに配信する案件だと、同じ手順が拠点によって通らないことがある。ワークフローを地域別に持っておく必要がありますね。
テキトー教師DotAI 認定講師日本語も同じで、完全にサポートされているのは英語だけ。他言語は評価されていないので結果が変わる場合がある、と公式に書かれています。
毎回同じ精度では返ってこない前提で組んだ方が安全です。
毎回同じ精度では返ってこない前提で組んだ方が安全です。
室谷代表取締役そこは再現性のコストとして見てます。同じ絵を出すのに何回試行が要るかで、工数がそのまま変わりますから。
Veo 3.1・Runway・Klingとの使い分け
室谷代表取締役で、どれを主軸にするかって話になるじゃないですか。Veo 3.1は高品質・長尺寄り、こちらは会話で詰めるスピード寄り、という整理が出ていますね。
テキトー教師DotAI 認定講師現場感覚で言うと、1本の完成度を上げるならVeo、修正が何度も入る前提ならOmniですね。RunwayのGen-4系やKling 3.0は、カット割りを大量に試す用途で名前が上がります。
室谷代表取締役受注ベースで考えると、修正回数が読めない案件ほど会話で直せる方に寄せたくなる。手戻り1回のコストがそのまま利益を削るので。
テキトー教師DotAI 認定講師たしかに。最初の1本をきれいに作るより、5回直せる方が現場は助かるんですよね。
画像生成から動画化・編集までをつなぐ低コストな制作フロー
室谷代表取締役実務家の投稿でよく見るのは、この順番なんですよ。
- 画像生成でキービジュアルを作る
- Gemini Omniで画像を動画化する
- 同じ流れで音楽・音声・編集まで仕上げる
テキトー教師DotAI 認定講師画像で当たりを取ってから動かすのがミソで。いきなり動画を生成すると、テイクを重ねるほどコストが膨らみますからね。
室谷代表取締役MYUUUでも同じで、静止画で方向性を合意してから動かす。意思決定の回数が減る分だけ、制作の時給も下がります。
テキトー教師DotAI 認定講師音声の編集ができない以上、セリフは別で録っておく。その前提で組んでおくと、この流れは崩れにくいですよ。
よくある質問
Q1. 日本語のプロンプトでも意図は伝わりますか？
室谷代表取締役日本語で普通に指示してますよ。ただ「商店街の夕方、人がまばら」みたいに情景を言葉で足すと安定するんですよね。
テキトー教師DotAI 認定講師たしかに。初めて触る人は「かっこいい動画」みたいに抽象度の高い一言で出しちゃうんですよ。
それを分解すると、カメラの寄り引きと光と時間帯の指定になる感じですね。
それを分解すると、カメラの寄り引きと光と時間帯の指定になる感じですね。
室谷代表取締役あと最初から完璧を狙わないことです。一回出させてから注文を付ける方が速い。
書く時間より直す時間に寄せた方がいいんですよ。
書く時間より直す時間に寄せた方がいいんですよ。
Q2. 商用利用したいとき、何を確認すべきですか？
室谷代表取締役権利まわりは公式の利用規約が一次情報なんですよね。案件で使うなら、そこを読まずに走るのは普通にリスクで。
テキトー教師DotAI 認定講師現場でも「作れた」で止めずに、クライアント側に確認を取る人が多いです。あと実在の人物やブランドに寄せる表現は避ける、という線引きを最初に決めておくとぶれないですね。
室谷代表取締役制作フローに「権利チェック」の一行を挟むだけで事故率が変わるんですよ。工数の話に見えて、実際は損害の話なんですよね。
Q3. 他の動画生成ツールとどう選び分ければいいですか？
室谷代表取締役Veo もあれば他社の動画生成ツールもある中で、判断軸は「会話で直せるか」と「いまの作業環境に乗るか」なんですよね。単体の性能より、ワークフローに何回登場するかで見てます。
テキトー教師DotAI 認定講師たしかに。乗り換えの手間を気にする人は多いです。
書き出した動画をどこに置くか、誰がレビューするかで実質決まっちゃいますから。
書き出した動画をどこに置くか、誰がレビューするかで実質決まっちゃいますから。
室谷代表取締役うちは素材づくりと仕上げで道具を分けてます。全部一本で済ませようとすると、だいたいどこかで詰まるんですよ。
Q4. 研修や教材みたいな地味な用途にも向きますか？
室谷代表取締役そういう用途、実は効くんですよ。派手な演出がいらない代わりに修正回数が多い。
そこは会話で直せる方が強いんですよね。
そこは会話で直せる方が強いんですよね。
テキトー教師DotAI 認定講師現場感覚で言うと、教材は言い間違いひとつで撮り直しになるんですよ。「テロップと音声だけ差し替えたい」という注文がすごく多いです。
室谷代表取締役時給で換算すると、撮り直しの手間が消える方が制作費より効いてきます。地味な用途ほど投資対効果は読みやすいんですよね。
Q5. 仕様が変わり続ける前提で、情報はどう追えばいいですか？
テキトー教師DotAI 認定講師公式のアナウンスを見る習慣をつけるのが結局いちばんですね。出たばかりの機能ほど、二次情報は古くなりますから。
室谷代表取締役あと社内なら「使った人がチャットに一行残す」ルールの方が効きます。きれいなマニュアルを整えるより、生の失敗談が溜まる方が強いんですよ。
テキトー教師DotAI 認定講師たしかに。うまくいかなかった条件が共有されると、他の人の試行回数が減りますからね。
まとめ
室谷代表取締役動画生成って、結局「作る」より「直す」の工程が軽くなったのが大きいんですよね。価値がそこに寄ってる気がしてます。
テキトー教師DotAI 認定講師たしかに。最初の一発のクオリティを上げようと気張るより、会話で寄せていく前提で触った方がストレス少ないです。
室谷代表取締役まずは短いワンカットを何本か作って、自分の用途で回るかを見る。プランの判断はそのあとでいいんですよ。
テキトー教師DotAI 認定講師そうですね。作った動画を誰に見せて、どこを直したいと思ったか。
そこが次の判断材料になりますから。
そこが次の判断材料になりますから。
室谷代表取締役触ってみて「直すのが楽だ」と感じたら、たぶんそれはもう現場で使える段階なんですよね。
