Gemini Omni Flashとは?
Gemini Omni Flashは、Google DeepMindが発表した初のany-to-any(あらゆる入力から出力へ)対応のマルチモーダルメディアモデルです。Google I/O 2026で発表され、2026年6月30日に開発者向けに提供が始まりました。テキスト、画像、音声、動画を入力すると、音声付きの完成した動画を1回の処理で出力します。
Omniファミリーの最初のモデルで、Pro版もすでに開発中です。単なるテキストから動画への生成ツールとは異なり、Omni Flashは与えられたすべての入力をまたいで推論し、現実の物理法則に沿ったクリップを作り上げ、対話で調整しても安定したクリップを保ちます。
ほかにはない4つの特長があります。
対話による編集: キャラクターの入れ替え、シーンのライティング変更、カメラの移動を、変更内容を普通の言葉で入力するだけで行えます。元の音声トラックと映像トラックはそのまま保たれます。
マルチモーダル参照: 写真、1行のテキスト、参照クリップを1つのプロンプトにまとめて指定できます。キャラクター、商品、スタイルがショット全体で一貫します。
世界知識と物理表現: Omni Flashは、重力、流体、歴史、物語の論理に関するGeminiの理解を活かすため、ビー玉は本物のビー玉らしく転がり、歴史的なシーンもディテールが保たれます。
ネイティブ音声と同期: すべてのクリップは、同じ処理の中で同期した音声とともに生成されます。簡単なプロンプトで、テキストやグラフィックを画面上の動きに合わせて固定することもできます。
もう1つ知っておきたい点があります。Omni Flashのすべてのクリップには、Googleの不可視のSynthIDウォーターマークがデフォルトで埋め込まれています。
AtlabsでAI動画を試す →
「完璧なプロンプト」の公式
Omni Flashは自然言語を理解するので、2023年頃のようなキーワードの羅列はもう不要です。監督がスタッフに指示を出すように、ショットを要素ごとに分けて説明してください。
公式:
[被写体+見た目]が[場所]で[動作]をしている。[カメラの動き+フレーミング]。[ライティング+雰囲気]。[スタイル+映画の参考]。[音声+画面上のテキスト]。
分解した例:
被写体: 使い込まれたオレンジ色のスーツを着た、孤独な宇宙飛行士...
動作: ...ひび割れたコックピットの窓へ向かって、ゆっくりと漂っている...
場所: ...静まり返って回転する宇宙ステーションの内部...
カメラ: ...ゆっくりとしたドリーイン、続いてヘルメットの周りをゆるやかにオービット...
ライティング: ...赤い非常用ストロボと遠くの星明かりだけに照らされている...
スタイル: ...シネマティックなSF、35mmフィルムで撮影、浅い被写界深度...
音声とテキスト: ...低いうなり音と、鳴り続ける1つの警報音。コックピットの画面には「OXYGEN 12%」と表示されている。
Omni Flashは同じ処理の中で音声を生成するため、プロンプトで音を指定することは、あってもなくてもよい飾りではありません。ショットの一部です。
最初のクリップを作る →
高性能プロンプトテンプレート5選
以下をAtlabsのAI動画生成ツール にコピーして、プロジェクトに合わせて細部を調整してください。
1. 「絵から映像へ」アニメーター
おすすめの用途: スケッチ、ストーリーボードのフレーム、静止画に命を吹き込む。
これをリアルな映像にしてください。絵は動きの参考としてのみ使い、完成した動画には絵を表示しないでください。自然な環境音を加えてください。途切れのないなめらかなショット、シネマティックなライティング。
2. 「対話による編集」パス
おすすめの用途: すでに生成したクリップを修正したり、雰囲気を変えたりする。 (クリップを生成またはアップロードしてから、変更内容を入力します)
ほかはすべてそのままで、晴れた午後を、雨のブルーアワーの夜に変更してください。シーンのライティングもそれに合わせて調整し、やわらかな雨音を加え、キャラクターの顔と服装はまったく同じに保ってください。
3. 「マルチモーダル参照」シーン
おすすめの用途: 新しいショットでもキャラクターや商品を固定する。 (被写体の画像と、動きの参考にするクリップを添付します)
image_0をもとにした、ダイナミックなSF映画スタイルの動画。video_0のカメラの動きとエネルギーに合わせてください。image_0のキャラクターはそのまま保ち、環境だけをネオンに照らされた夜の屋上に変えてください。
4. 「物理とシミュレーション」テスト
おすすめの用途: 水、布、衝突、連鎖反応。
ドミノ、歯車、小さなスロープでできた連鎖反応のコースを、ビー玉が勢いよく転がる。途切れのないなめらかなショット、マクロの被写界深度。ビー玉は本物の重力と運動量に従う。くっきりとしたカチカチという音と、転がる音。
5. 「ビート同期のスタイルチェンジ」
おすすめの用途: ミュージックビデオやSNS向け動画。 (キャラクター画像と音声を添付します)
image_0のキャラクターの全身ウォークサイクル。スタイルがリアルな映画、アニメ、クレイアニメの順に切り替わる。背景はハードカットで切り替わり、空を中心に据える。スタイルの切り替えは音声のビートに合わせて入る。シネマティック、16:9。
これらのテンプレートを試す →
高度な機能
Gemini Omni Flashで参照入力を使うには?
Omni Flashは、テキスト、画像、動画を1つのプロンプトにまとめて受け付けます。商品写真、キャラクターシート、動きの参考を添付したうえで、それぞれの使い方を指示してください。たとえば「image_0のキャラクターを保つ」や「video_0のカメラの動きに合わせる」といった具合です。モデルはそれらをどう組み合わせて1つの一貫したクリップにするかを判断しつつ、被写体を安定して保ちます。音声入力として最初に対応したのは声の参照で、今後さらに多くの音声タイプに対応する予定です。
Gemini Omni Flashは既存の動画を編集できますか?
はい。これが最大の特長です。クリップを生成またはアップロードしたら、変更したい内容を普通の言葉で入力するだけです。キャラクターの入れ替え、シーンのライティング変更、カメラアングルの変更、オブジェクトの追加などができます。モデルは元の音声とフレームのほかの部分の一貫性を保ったまま編集を適用するため、最初から生成し直すのではなく、1ターンずつ調整を重ねていけます。4回目や5回目の編集でもシーンが崩れずにまとまっていることで、その真価がはっきり分かります。この種の編集は、AtlabsのModify Videoでも行えます。
チャットで編集を始める →
よくある失敗と避け方
音声を指定し忘れる。 Omni Flashは、同じ処理の中ですべてのクリップに音を付けます。音を指定しないと、出力の半分を運任せにすることになります。環境音、効果音、雰囲気を具体的に書きましょう。
1つのプロンプトに詰め込みすぎる。 ミュージックビデオ全体を1回のリクエストで説明する必要はありません。まずシンプルな基本ショットを生成し、そこに対話による編集で変更を重ねていきましょう。それこそが、このモデルの得意とするところです。
長いクリップを期待する。 公開時点では、Omni Flashのクリップは約10秒までです。シーン全体を一度に求めるのではなく、ショットを小さな区切りとして計画し、つないでいきましょう。
あいまいな編集指示。 「もっと良くして」では、モデルに何も伝わりません。代わりに「カラーグレーディングを暖かくして、カメラのプッシュを遅くして」と伝えましょう。
比較: Gemini Omni Flash と Seedance 2.0
どちらも動画を扱えますが、得意な方向は異なります。Omni Flashは対話型のマルチモーダル編集ツールで、Seedance 2.0は1回の処理で仕上げるシネマティックな監督役です。
項目 | Gemini Omni Flash | Seedance 2.0 |
|---|---|---|
おすすめの用途 | 対話によるターンごとの編集 | 1回の処理で行うシネマティックな生成 |
入力 | テキスト、画像、動画(音声は声の参照) | 画像最大9枚、音声3つ、動画3つの参照 |
編集スタイル | 同じクリップに対する自然言語での編集 | プロンプトまたは画像参照を指定して生成 |
クリップの長さ | 公開時点で最大10秒 | 4〜15秒 |
解像度 | 公開時点では720pが上限 | ネイティブ4K |
ネイティブ音声 | あり(すべてのクリップ) | あり(音楽のビート同期に対応) |
物理表現 | 水、布、衝突に強い | 動き、布、キャラクターの感情に強い |
簡単にまとめると、ショットに話しかけながら形を整えたい場合や、さまざまな参照を組み合わせたい場合はOmni Flash。最高の解像度とシネマティックなリアリズムを1回の生成で求める場合はSeedance 2.0です。どちらもAtlabsのモデルラインナップに含まれているので、プラットフォームを離れずに切り替えられます。
Atlabsでモデルを比較する →
おすすめのリソース
公式の発表記事: blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-omni/
開発者向けドキュメント: ai.google.dev/gemini-api/docs/omni
モデルカード: deepmind.google/models/model-cards/gemini-omni-flash/
よくある質問
Q: Gemini Omni Flashは実際に何を出力しますか? A: 動画です。入力にはテキスト、画像、音声、動画を受け付けますが、結果は常に同期した音声付きの動画クリップです。画像や音声の出力はOmniのロードマップにありますが、今回のリリースには含まれていません。
Q: Omni Flashのクリップは何秒まで作れますか? A: 公開時点では、クリップは約10秒までです。より長い尺は今後のリリースで対応される見込みです。当面は、長いシーケンスを短いショットの連なりとして計画してください。
Q: 編集しても同じキャラクターを保てますか? A: ほとんどの場合は保てます。1ターンずつ編集していっても、顔、服装、声が一貫するように設計されています。大きなシーンの変更や素早いカメラの動きがあると一貫性が崩れることがあるため、重要な部分は参照画像で被写体を固定してください。
Q: Omni Flashの動画にはウォーターマークが入りますか? A: はい。すべてのクリップに、Googleの不可視のSynthIDウォーターマークがデフォルトで埋め込まれます。リサイズや再エンコードをしても残るため、AIで生成された動画であることを確認できます。
