会話で直せる動画生成「Gemini Omni Flash」公開プレビュー、10秒・1秒0.10ドルで何ができるか

何が変わったか

Gemini Omni Flash は、テキスト・画像・動画の入力を組み合わせて動画を作り、そのまま会話で編集できるモデルです。これまでの動画生成は「気に入らなければプロンプトを書き直して作り直す」でしたが、作った動画を残したまま部分的に直せるようになりました。

• ●料金は動画出力1秒あたり0.10ドル（10秒でおよそ1ドル）。Google は Veo 3.1 Fast と同額と説明している
• ●発表時点で1回に生成できるのは10秒。より長い尺は「近日提供」とされていた
• ●すべての動画出力に音声がネイティブで生成される
• ●会話型編集では、元の音声トラックと動画トラックを維持したまま、キャラクターの入れ替え・ライティングの再調整・アングルの変更ができる
• ●提供先は Google AI Studio、Gemini API、Gemini Enterprise Agent Platform。Gemini アプリと Google Flow でも利用できる
• ●発表時点で未提供の機能は、音声参照・動画参照・最終フレーム指定・シーン拡張・高解像度（いずれも「近日提供」）

なお、この「近日提供」とされていた部分は、2026年8月27日に発表された後継の Gemini Omni 1.1 Flash で埋まりました。10秒ずつ足して累計40秒まで延ばせるシーン拡張、下書き用の360p（生成が最大60%速く、コストは3分の1）、1080p・4Kへのアップスケール、開始フレームと終了フレームの指定、3秒までの動画参照が追加されています。

業務での使いどころ

10秒という長さが、そのまま使いどころの線引きになります。1本で完結する短い動画か、長い動画の一部として差し込むカットか。このどちらかに当てはまる仕事が候補です。

• ●向く：SNSや店頭サイネージに出す数秒の訴求カット、提案書に貼るイメージ動画、企画のたたき（絵コンテ代わりに動かして見せる）、既存動画のつなぎカット
• ●向かない：数分の商品説明やマニュアル動画をまるごと作ること、自社の実在の商品・店舗・社員を正確に写すこと、決まった原稿を正確に読み上げさせるナレーション

「正確に写す」用途が向かないのは、生成AIの動画が実物の形や文字を再現できるとは限らないためです。実物を見せたい場面は撮影した素材を使い、雰囲気・イメージを見せたい場面に生成動画を充てる、という切り分けが現実的です。

1. 1作りたい10秒を1文で決める（誰が・どこで・何をしている・どんな雰囲気か）
2. 2まず1本生成して、直したい点を1つだけ書き出す
3. 3「ここだけ直して」と会話で指示し、直った分だけ確認する
4. 4OKになったら、社外に出す前に人が最終チェックする（文字・商品の形・人物の見え方）

【1回目：生成の指示】
10秒の動画を作ってください。

・被写体：（例：木のテーブルに置かれた白いマグカップ）
・動き：（例：湯気がゆっくり立ちのぼり、カメラが少しだけ寄る）
・場所と時間帯：（例：朝の窓際、自然光）
・雰囲気：（例：落ち着いた、生活感のある）
・画面比率：16:9（SNS縦型なら9:16）
・画面に文字は入れないでください

【2回目以降：直しの指示】
今の動画から、次の1点だけ直してください。他は変えないでください。
→（例：光をもう少し暖かくして、影を弱くしてください）

直しの指示は「1回に1点だけ」「他は変えない」と書くのがコツです。まとめて何点も頼むと、直してほしくなかった部分まで変わり、確認の手間が増えます。

試すときに気をつけること

• ●社外に出す動画は、実在の他社商品・ロゴ・著名人に似ていないかを人が確認してから公開する
• ●画面に入る文字（値段・店名・日付）は生成に任せず、後から編集ソフトで載せる方が確実
• ●音声は自動で付くが、発表時点では音声参照が用意されていないため、読み上げ内容を細かく指定する使い方には向かない
• ●業務で使う素材を入れる前に、社内の情報の取り扱いルールを確認する